Machine Learning/Deep Learning
1.Orange [01] 머신러닝
Machine Learning이란? 데이터를 기반으로 '학습'시켜서 '예측'하게 만드는 기법
2.ML [01] 선형회귀 이론
1. 인공지능 vs 머신러닝 vs 딥러닝 인공지능 : 사람의 모든 것을 흉내내는 기술 머신러닝 : 사람이 학습하는 방식을 기계에게 적용하는 기술 -> 다양한 학습 방식이 있다 딥러닝 : 머신러닝의 하위분야로 사람의 뇌(신경망)를 모방하여 학습하는 방식의 기술 -> 최근
3.ML [02] 선형회귀(실습)
실습목표 선형회귀 모델을 이용해 주택가격을 예측해보자 머신러닝 프로세스 문제정의 호주의 주택가격을 예측하는 모델을 만들어보자 데이터 수집 kaggle에 오픈된 데이터셋 활용 데이터 전처리 및 탐색 
선형분류 분류용 선형 모델 Logistic Regression (Regression 단어가 붙지만 분류용 모델) Lineaer Support Vector Machine
5.ML [04] 텍스트마이닝 기초
Text Mining 비정형 텍스트 데이터에서 의미를 추출하는 작업 자연어처리 기술을 접목해서 최근에는 많이 활용되고 있다 (사람의 언어를 컴퓨터가 이해할 수 있도록 연구하는 학문) Text Mining process 문제 정의 (분석 목적) - 텍스트 수집
6.ML [05] 텍스트마이닝 실습
https://github.com/bab2min/corpus/tree/master/sentiment네이버 쇼핑 리뷰 데이터셋긍정/부정 라벨링이 되어있는 데이터셋분석방법 선택전체 데이터 워드클라우드 실시긍정 또는 부정 리뷰만 골라서 워드 클라우드 실시특정 주제,
7.ML [06] 텍스트마이닝 응용
감성분석 모델링을 할 수 있다토큰화/수치화 방법을 이해할 수 있다.konlpy 사용법을 이해할 수 있다.사람의 감정/기분/태도 등을 분석하는 기법case 1 : 감성사전을 이용한 분석(전통적인 방식)case 2 : 인공지능 기술을 이용한 분석(최근 방식)한국어 형태소
8.ML [07] 텍스트마이닝 감정분석
9.ML [08] 텍스트마이닝 유사도 분석
학습목표 단어 유사도 분석을 할 수 있다 유사도 개념을 이해 할 수 있다 워드임베딩 개념을 이해하고 활용 할 수 있다 유사도(Similarity) 💠 Euclidean Distance 피타고라스의 정리를 기반으로 두 점의 거리를 계산하는 알고리즘 거리 값이 가까울
10.DL [01] 딥러닝 기초
💠 Deep Learning 사람의 뇌구조를 모방하여 병렬적 다층 구조를 통해 학습하도록 만든 기술 컴퓨터 비전, 음성인식, 자연어처리, 신호처리 등의 분야에 적용 사람이 스스로 규칙을 찾기 어려운 복잡한 데이터에 사용 DL에서 자주 사용하는 package는 ten
11.DL [02] Perceptron
학습목표 퍼센트론의 개념을 이해할 수 있다. 퍼셉트론을 간단히 구현해보자. 퍼셉트론 (Perceptron) unit : 퍼셉트론 한 단위 Activation function(활성화함수) : 역치 뉴런을 수학적 모델로 고안한 것 , 을 역치라고 생각하면 됨. 기준
12.DL [03] 이진분류 실습(유방암데이터)
지도학습 회귀 : 연속형(숫자형태) -> 평가지표 (오차 -> MSE) 분류 : 범주형(카테고리) -> 평가지표 (정확도 -> accuracy) 이진분류 : 클래스의 개수가 2개 1개의 확률값 다중분류 : 클래스의 개수가 3개 이상 클래스의 개수만
13.DL [04] 다중분류 실습(손글씨데이터)
학습목표 손글씨 데이터를 분류하는 딥러닝모델 설계 다중분류 딥러닝 설계 0~9까지 손글씨 데이터를 학습, 예측 10개의 class를 가진다 💡 10개 중요 
Deep Learning : 기계가 인간의 뉴런, 신경망을 모방하여 데이터를 학습 및 예측하는 기술 Perceptron : 딥러닝 모델 구성하는 기본단위 : 선형모델 + 활성화함수(역치) 모델링 순서 신경망 구조 설계 뼈대 생성 (Sequential) 입력층 (I
15.DL [06] 활성화함수, 오차 역전파, 경사하강법
🤍 활성화 함수 (activation) 분류 초기의 활성화 함수 : Step Function 계단 함수에서 Sigmoid 함수로 바뀌었는데 왜 바뀌었을까? 계단 함수는 최적의 값을 지나버리면 다시 찾기 어렵다. 역치의 개념과 미분이 가능한(기울기를 가진) S
16.DL [07] 패션데이터 분류실습
목표 데이터를 다운받아 딥러닝 신경망 모델 학습 및 예측, 평가과정을 거치자 다양한 방법을 사용하여 (중간층의 활성화함수와 최적화함수) 최적의 조합을 찾아보는 학습 진행 ** 
모델저장, 모델학습 조기중단모델저장 : 딥러닝 모델 학습시 지정된 epochs를 다 끝내면 과대적합되는 경우가 있음. -> 학습 중간에 일반화된 모델을 저장하는 기능모델학습 조기중단 : epochs를 크게 설정한 경우 일정 횟수 이후로는 모델의 성능이 개선되지 않는 경
18.DL [09] CNN
convolution layer : 특징찾기 (이미지의 주요한 특징 추출)pooling layer : 특징이 아닌 영역 삭제Dense층 전에 두 층을 추가적으로 진행하고 Dense층에서 분석을 한다패딩을 통해가장자리 데이터는 특징추출데이터가 적은 것을 보완하여 가장자리
19.DL [10] 개고양이 이진분류, CNN, 전이학습
데이터 전처리 > #### 목표 개,고양이 이미지(사진) 을 배열로 변환하는 작업 진행 (이미지데이터 전처리) 압축된 형식의 배열로 저장 (npz파일) npz: numpy 에서 제공하는 파일형식 -> 여러개의 numpy 배열을 하나의 압축된 파일로 저장할 수 있도록
20.DL [12] YOLOv8 객체탐지(RSP)
YOLOv8을 활용하여 주먹, 가위, 보 객체탐지(Object Detection)YOLOv6와 YOLOv8의 차이점v6 : 객체탐지, 경량화 -> 속도가 빠르다v8 : 높은 정확도, 유연한 탐지, 사용자 친화적인 인터페이스이미 라벨링된 데이터를 가져와서 학습 및 예측h
21.DL [13] Image Segmentation
객체의 위치를 bounding box만으로 표현하는 게 아니라 객체에 포함된 픽셀의 정확한 위치를 예측하는 기술 자율주행, 차량파손영역 예측 등에 활용픽셀 단위로 라벨링하여 학습/예측한다.각 픽셀이 어떤 범주에 속하는지 확률값을 예측Segmentic Segmentati
22.DL [14] 이미지 생성 모델 이해
GAN(Generative Adversarial Network) : 적대적생성신경망으로 생성자와 판별자 2개의 딥러닝 네트워크를 학습시켜 이미지를 생성하는 기법Diffusion : 잠재공간에서 정보가 확산되는 수학적 모델을 개념으로 이미지를 생성하는 기법생성자(Gene