1. 기본 개념 쌓기 기초 https://hunkim.github.io/ml/ 모두를 위한 머신러닝/딥러닝 강의 hunkim.github.io 고급 https://developers.google.com/machine-learning/crash-course?hl=ko Machine Learning | Google for Developers 이 페이지는 Cloud Translation API를 통해 번역되었습니다. 의견 보내기 컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요. 머신러닝 단기집중과정TensorFlow API 사용 Go developers.google.com 2. Hands-On https://www.datacamp.com/ Python 과정 이런 것들 수료하면 됨 ..

오늘 저녁 약속이 있는데 잘 하고 올게요~ 오늘은 지난번에 했던 데이터 세트와 다른 데이터로 복습할겸 인공신경망을 구성해서 다시 학습을 해볼 것이다 추가로 학습이 완료된 모델을 저장하는 방법도 실습해볼 것이다 모델을 저장하는 방법에는 두가지가 있다 모델의 파라미터만 저장하는 방법 이 방법은 모델의 계층 구조를 알고 있어야만 나중에 다시 해당 모델을 사용할 수 있음 모델 전체를 저장하는 방법 사용할 데이터 세트 : Fashion MNIST torchvision.datasets — Torchvision master documentation torchvision.datasets All datasets are subclasses of torch.utils.data.Dataset i.e, they have __g..

이전에 계속 배웠던 것들을 실제로 코드로 구현해보는데 (물론 프레임워크 쓰는거지만ㅋ) 기존에는 이해가 안되었던 것들이 왜 하는건지 어떤걸 하려는건지 보이니까 신기했다 역시 처음에는 이해가 안될지라도 꾸준히 계속 하는 것이 중요한 것 같다 그리고 내일 약속이 잡혀있는데 설렘반 기대반 1. TensorDataset과 DataLoader 입력 데이터를 쉽게 처리하고, 배치 단위로 잘러서 학습할 수 있게 도와주는 모듈 Dataset : 학습시 사용하는 feature와 target의 pair로 이루어짐. 아래에서 코드에서는 TensorDataset을 사용하여 Dataset 인스턴스를 생성했지만, 이미지의 사례와 같이 Dataset 클래스를 상속받아서 커스텀 인스턴스를 생성하는 형태로 많이 사용 DataLoader..

실습 위주라 블로그에 정리하기가 애매하군 제조 데이터의 분류기 실습 1. 데이터 로드 numpy와 pandas는 데이터를 로드하고 형식에 맞게 변형 matplotlib.pyplot과 seaborn은 데이터 시각화를 위해 사용 # 라이브러리 & 데이터 로드 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns df = pd.read_csv('exercise1.csv') df.head() df.shape로 데이터 프레임의 형태를 파악할 수 있다 총 1000개의 행과 7개의 열로 이루어져있다는 것을 확인할 수 있다 df.shape # (1000, 7) target은 0과 1로 구분되어있게 구성했다...

오늘까지만 하고 내일부터는 실습 위주로 진행이 될 것이다 인공지능을 공부하면서 나는 어떤 쪽으로 방향을 잡고 깊게 들어갈 것인지를 계속 고민하고 있는데 쉽지 않다 모델을 만든다? 연구? 아니면 만들어진 것을 가져다가 사용하는? 어떻게 사용? 열심히 하는 것도 좋지만 하고 싶은 것이 무엇인지, 무엇이 더욱 미래 가치가 높은지를 충분히 고려한 후에 방향을 잡고 꾸준히 공부하는 것이 중요한 것 같다 1. XAI (eXplainable AI) XAI란 설명이 가능한 AI를 의미하며 우리가 사용하는 모델들의 결과가 왜 이런 결과를 도출하게 되었는지에 대한 고민을 조금이라도 덜어주기 위한 메뉴얼? 같은 것이다 XAI를 함으로써 Model은 어떤 feature를 가장 중요하게 생각하는지, 각각의 feature가 Mo..

다양한 해석이 가능하다는 것을 보여주기 위해서 여러가지를 보여주시는데 어렵네요 해석이 가능할려면 일단 이해를 하고 있어야 하는데, 하나 하나 이해하기가 벅차군... 이진 분류, 베르누이 분포, 시그모이드, 로짓 어쩌구~ 흐흐흐 점심 나가서 먹을 것 같아 1. 비선형 액티베이션 (Non-Linear Activation)이 중요한 이유 지난번에 인공신경망을 수식으로 표현해보았다 그렇다면 더 깊은 더더 깊은 인경 신공망도 표현할 수 있을까? 할 수 있다! 단, 비선형 액티베이션일 때만! 왜 선형 액티베이션에서는 안되는걸까? 선형 액티베이션에서는 인공 신경망이 아무리 깊어져도 의미가 없어진다 인공 신경망이 아무리 깊어진다고 할 지라도 선형 액티베이션이라면 히든 레이어가 다 의미가 없어짐 따라서, non-line..

드디어 진짜 인공지능이 어떤건지 개념들에 대해서 강의가 시작되었다!!! 오예~ 딥러닝 공부할 때 논문을 많이 읽는게 답이라고 해서 어제 좀 찾아보다가 바로 덮었다ㅋ 영어;; 영어 공부 좀 하자... 1. AI(Artificial Intelligence) vs ML(Machine Leanring) vs DL(Deep Learning) AI 즉, 인공지능이란 사람의 사고 방식을 흉내낸 것을 의미한다 보통 사람은 어떻게 사고를 할까? 아기들을 생각해보면 주변에 보이는 행동들을 따라하면서 학습을 한다 즉, 많은 양의 데이터들이 입력이 되고 그에 맞는 행동들이 출력이 되는 것이다 이것처럼 똑같이 AI 모델에 많은 양의 데이터를 입력하여 학습시키고 우리가 원하는 출력값을 얻을 수 있는 것이다 AI, ML, DL은 ..

가보자 가보자 1. 데이터 로더 (Data Loader) 데이터 세트가 항상 내가 원하는 형식으로 되어있지 않기 때문에 데이터를 불러올 때 특정한 형식으로 불러올 수 있어야 한다 이때 커스텀 데이터 로더를 구성해서 이용할 수 있다 다음 같은 구성으로 데이터 로더를 만들 수 있다 1-1. 꽃 분류 데이터 세트 불러오기 꽃 분류 데이터 세트 구성 커스텀 데이터 로더 구성하기 import torch from torchvision import transforms from torch.utils.data import DataLoader from PIL import Image from IPython.display import display import matplotlib.pyplot as plt import nump..