TIL

WEB/InternetVS CodeHTML/CSS WEB이 한 대의 자동차라면 Internet은 도로. Internet 안에 WEB이 부분으로 존재. clien와 서버 모두 host. 웹 서버 컴퓨터에 저장된 파일(index.html)을 웹 브라우저 컴퓨터가 요청. 웹

HTML 레이아웃 구성1-1. 실제 화면 구성과 태그 구성 : 목차, 본문, 부록1-2. HTML 태그의 2가지 속성 : Block, InlineCSS2-1. HTML에 CSS 적용하는 방법 : Inline, Internal, External2-2. CSS 적용 우선순

HTML1-1.박스 모델CSS2-1. 마진 병합 현상 : 형제, 부모-자식 2-2. 레이아웃에 영향을 미치는 속성 : display, float, clear(1) content : 텍스트, 이미지 등 실질적인 내용 부분(2) padding : 내용과 테두리 사이의 간격

CSS1-1. 움직이는 웹사이트 : transition, transform, animation1-2. 반응하는 웹사이트 : media query모바일 웹 만들기

Linux:컴퓨터 운영체제. 자유 소프트웨어와 오픈 소스 개발의 가장 유명한 표본.구조하드웨어 < kernel <kernel 하드웨어 제어, 소프트웨어와 커뮤니티하게하는 시스템 관리자shell 명령어 해석기. 사용자의 명령을 해석해 kernel에 전달.응용

💻 오늘 배운 내용1\. CSSZ축 : Z축을 사용한다는 것은 평면이 아닌, 3차원적 공간을 사용한다는 것을 의미. 따라서 POSITION이 3차원인 경우에만 사용할 수 있음position이 3차원인 경우는? relative, absolute, fixed알아두면 좋은

기본적으로 Component와 원하는 값을 넘겨줄 때 사용하며 넘겨줄 수 있는 값은 변수, 함수, 객체, 배열 등 JavaScript의 요소라면 제한이 없음. 주로 Component의 '재사용'을 위해 사용함.또한 props는 읽기 전용. 임의로 변경해서 사용하지 말자

split을 하면 알아서 리스트 안에 넣어줌.: 한 줄만 보고싶다면 readline! 다 보고싶다면 readlines!▶ 가장 위의 첫번째 줄만 출력▶ 모든 줄을 출력▶ 모든 줄을 출력

{ key : value }key : 값을 찾기 위해 넣어 주는 데이터value : 찾고자 하는 데이터

함수를 생성할 때 사용하는 예약어로 def와 동일한 역할을 함. 자주 사용하지 않거나 복잡하지 않을 때, 한 줄로 간결하게 표현하고 싶을 때 사용함.debug용 명령어. True 혹은 False로 반환되며 두 값이 같으면 통과, 아니면 에러를 발생시켜서 테스트할 때 많

Numerical Python. 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러리. 왜 필요한가? 데이터의 대부분은 차원이 다른 숫자 배열로 볼 수 있기 때문.파이썬 리스트에는 int, float, str이 한 번에 들어갈 수 있다면 numpy에서는 불가능. 즉,

구조화된 데이터를 효과적으로 처리하고 저장할 수 있는 라이브러리. Numpy를 기반으로 만들어져 다양한 기능들을 제공함. 특히 행과열을 가진 2차원과 엑셀 데이터를 효과적으로 처리. 데이터베이스 프레임워크 사용자들에게 익숙하고 강력한 연산을 제공. numpy array

텍스트를 기계가 이해할 수있는 수단으로 만들어주는 것. 형태로 바꿔주는 작업. : Bag of Words텍스트 데이터 전처리 : NLP특수 문자 제거, 토큰화. 일반적으로는 공백으로 잘라내는 것. 한국어는 조사, 형태소로 나누는 작업도 필요함. bow 모델에서 순서는

비지도학습 : 회귀분석 : 알고이거나 예측하기 위한 값. 키가 주어졌을때 몸무게 예측. 선형.분류 : 클래스 같은 것 나누는 것. 새로운 것이 왔을 때 어떤 클래스인가. 나이브베이즈.비지도 : 값이 없어도 할 수 있는것. 지도학습 : 얻고자 하는 답으로 구성된 데이터비

퍼셉트론신경망 이전에는 명시적 프로그래밍. if() then {} 룰이 명확하면 잘 되지만 많은 exception이 있어 불가능. 자율 주행 자동차는 직접 사람이 일일이 기계에 입력을 하고 가르치지 않아도 기계가 스스로 사람처럼 일할 수 있도록 해줘야함. 데이터가 들어

Node = x1, x2 ...가중치(weight) : 노든간의 연결강도loss function을 최소화하기 위해 최적화 알고리즘을 적용input -> hidden -> output\-> 는 weight를 의미. loss function : 예측값과 실제값간의 오차값o

학습 속도 문제 : 데이터의 개수가 폭발적으로 증가하여 딥러닝 모델 학습 시 소요되는 시간도 함께 증가기울기 소실 문제 : 더 깊고 더 넓은 망을 학습시키는 과정에서 출력값과 멀어질 수록 학습이 잘 안되는 현상 발생.초기값 설정 문제 : 초기값 설정 방식에 따른 성능

CNN은 대표적인 딥러닝 모델. 이미지 분석 작업에 최적화된 성능을 보임. CNN이 이미지 데이터를 잘 학습하는 원리를 알기 위해 이미지 데이터를 이해할 필요가 있음. EX. 사진, 그림, 게임 그래픽, JPG, PNG. 사진, 그림등을 컴퓨터로 저장한 데이터.디지털

퍼셉트론은 FULLY-CONNECTED LAYER. 1차원 데이터를 요구. 이미지를 단순하게 1차원으로 바꾸면 2차원상에서 가지는 정보를 포기해야 함. (이미지 내 사물간의 거리 관계 등, 색의 변화:특히 세로로 변하는 상황) 즉, 공간 정보가 무너짐. 따라서 이미지

RNN은 CNN과 함께 대표적인 딥러닝 모델. 시계열 데이터 같은 순차 데이터 처리를 위한 모델. RNN이해에는 순차 데이터가 가지는 특징의 이해가 필요. 문장같이 일렬로 이루어진 데이터를 보고 그 다음 무엇이 나올지 예측하는 방식으로 많이 활용. 순서(ORDER)를

vanila rnn의 기울기 소실 문제를 해결하고자 등장. Long Short Term Memory(장단기 메모리)의 약자. vanila rnn은 기울기 소실 때문에 장기 의존성을 기억할 수 없다는 단점이 있었는데 해당 모델은 장기 의존성과 단기 의존성을 모두 기억할

Tensorflow: 구글이 개발. 사용이 복잡했으나 2.0 이후 개선됨. colab에서 간편하게 gpu 사용을 지원. Tensorboard를 통한 강력한 시각화. TF lite를 통한 간편한 모바일 변환Keras : Tensorflow의 모델 구현과 학습을 편리하게

(1) 모델의 구조 : 레이어의 종류와 형태 / 입력 값의 형태 (행렬의 틀과 연산방법에 대한 정보)(2) 가중치 값 : 각 레이어의 행렬에 저장된 실제 float32 실수 값들 / 모델의 학습 = loss 값이 낮아지도록 가중치 값을 수정하는 과정의 연속 / 같은 모

자연어 처리(Natural Lnguage Processing, NLP) 는 컴퓨터를 통해 인간의 언어를 분석 및 처리하는 인공지능의 한 분야. 인간의 언어는 다양한 구조, 체계, 규칙, 문법 등 복잡한 요소들로 구성되어 있음. 자연어 처리는 이러한 요소들을 컴퓨터에게

지시사항IMDB dataset이 들어 있는 text.txt 파일을 확인해 봅니다. 파일 내 각 줄은 하나의 리뷰에 해당합니다.텍스트 데이터를 불러오면서 단어가 key, 빈도수가 value로 구성된 딕셔너리 변수인 word_counter를 만드세요.파일 내 각 줄 끝에는

자연의 처리의 기본 요소는 단어 추출에서 시작. 텍스트의 단어를 통해 문장의 의미, 구성 요소 및 특징을 파악 가능. 문장을 단어 기준으로 나누면 인물, 시간 등을 의미하는 단어를 알 수 있음. 영어는 주로 띄어쓰기, 공백으로 나누면 원하는 단어를 쉽게 추출할 수 있음

KoNLPy를 통한 한국어 전처리KoNLPy는 한국어 형태소 사전을 기반으로 한국어 단어를 추출해 주는 파이썬 라이브러리입니다.이번 실습에서는 KoNLPy를 사용하여 한국어 문장 간 유사도 측정용 데이터셋인 KorSTS 데이터셋을 전처리하도록 하겠습니다.변수 sent에

(1) 객관적인 정보 : 뉴스, 백과 사전 같은 텍스트(2) 주관적인 평가나 감정 : 리뷰, 소설 같은 텍스트감정 분석이란 주관적인 평가나 감정이 들어가있는 문서를 대상으로 함. 대량의 텍스트가 있는 경우, 일일이 데이터를 하나씩 살펴보고 판단하기 어려움. 모델링을 통

문서 : 문서는 다양한 요소와 이들의 상호작용으로 구성. 단어 -> 형태소 -> ... -> 문장 -> ... -> 문단가장 기본 단위인 단어 조차 문서와 관련된 다양한 정보를 포함.문서 유사도를 측정할 때는 가장 기본 단위인 단어를 활용하여 문서를 표현. 문서 유사도

https://zzsza.github.io/mlops/2021/02/07/python-streamlit-dashboard/input처음 오류bert-extractive-summarization 컴퓨터에서 실행해보기해당 모델 ai_modeltest 브랜치 만들어

오늘 내가 해보려고 한 것은 COLAB으로 BERT 학습시키기!하지만! 무참히 패배했다.wget해서 가져올 때... 꼭 raw 다운로드 하렴..python3.7 -m pip install tensorflow-gpu==1.15.0ptrhon entry"paragraphs

원래 사용했던 모델은 누군가 재수정해둔것이라 다소 우리 팀 프로젝트의 입맛과 맞지 않았음. 그래서 원본을 찾아가 논문을 읽어보며 구현해보려 했지만 너무 어려워서 성과가 나온게 없는 것 같음.알면 알수록, 하면 할수록 내가 너무 무지하고 할건 많은데 시간은 조급하다는 생