[boostcampAI U stage] week1

플랫폼 독립적(=OS 독립적)인터프리터 언어객체 지향(OOP)동적 타이핑파이썬 특징플랫폼(=OS) : 프로그램이 실행되는 운영체제독립적 : OS에 상관없이 한번 프로그램을 작성하면 사용 가능프로그래밍 언어의 소스 코드를 바로 실행하는 컴퓨터 프로그램 또는 환경기계어로

HW(CPU, dram, 모니터 등)와 SW(chrome, excel 등) 연결을 위하여 기반이 되는 시스템을 OS(Operating System)windows, mac, linux파일시스템 : OS에서 파일을 저장하는 트리구조 저장 체계디렉토리(폴더) : 파일과 다른

함수 선언parameter vs argument함수 형태Inputprint formatting어떤 일을 수행하는 코드의 덩어리반복적인 수행을 용이하게 함코드를 논리적인 단위로 분리캡슐화 : 인터페이스만 알면 타인의 코드 사용함수 수행 순서1) 함수 코드를 메모리에 올려

Conditionif-else조건 판단 방법논리 키워드 사용반복문for문while문반복문 제어debugging조건문 : 조건에 따라 특정한 동작을 하게하는 명령어조건문은 조건을 나타내는 기준과 실행문으로 구성파이썬의 조건문으로는 if, else, elif 등의 예약어를

문자열 특징문자열 함수다양한 문자열 표현함수에서 parameter 전달 방식변수의 범위(scoping Rule)재귀함수(recursive function)function type hints함수 작성 가이드라인시퀀스 자료형으로 문자형 data를 메모리에 저장영문자 한 글

파이썬 기본 데이터 구조StackStack with list ojbect큐(Queue)Queue with list object튜플(tuple)집합(set)집합의 연산사전(dictionary)사전(dictionary) 다루기CollectionsdequeorderedDic

Pythonic CodePythonic Code 장점pythonic Code contentsSplit & joinlist comprehensionenumerate & ziplambda & map & reduceiterable object(generator)asteris

클래스와 객체(객체 지향 언어의 이해)객체지향 프로그래밍 개요Object in Python객체 지향 언어의 특징InheritancePolymorphismVisibilitydecorator 이해ex) 수강신청 프로그램1) 수강신청이 시작부터 끝까지 순서대로 작성2) 수강

ㅇㅇㅇㅇ소스코드를 공개 시 기본적인 체계

예상 가능한 예외발생 여부를 사전에 인지할 수 있는 예외(전화번호, 이름, 주소 등)사용자의 잘못된 입력, 파일 호출 시 파일 없음 등개발자가 반드시 명시적으로 정의해야 함if 문으로 처리예상 불가능한 예외인터프리터 과정에서 발생하는 예외, 개발자 실수리스트의 범위를

CSVhtml(웹)xmljson쉼표(,)로 구분한 텍스트 파일엑셀 양식의 데이터를 프로그램에 상관없이 쓰기 위한 데이터 형식탭(TSV), 빈칸(SSV)등으로 구분해서 만들기도 함통칭해서 character-separated value(CSV) 라고 부름Text파일 형태로

실습 코드는 코랩으로 진행python은 interpreter 언어로 처리 속도가 문제list 형태 등 메모리가 비효율적(시퀀스형 자료형에 대핵 각각 메모리 주소를 가리킴)그러므로 적절한 패키지 활용이 필수 => "NumPy"파이썬의 고성능 과학 계산용 패키지\*\*ma

벡터란? 공간에서의 한 점으로 나타내며원점으로부터 상대적 위치를 표현벡터에 숫자(스칼라)를 곱해주면 벡터의 길이가 변함벡터에 곱해주는 스칼라값이 0보다 작으면 벡터 방향이 바뀜숫자를 원소로 가지는 리스트(list) 또는 배열(array)x = $$\\begin{bmat

행렬은 벡터를 원소로 가지는 2차원 배열( n x m 행렬)행렬은 행(row)과 열(column)이라는 인덱스(index)를 가짐열 벡터 : $x{11}$~$x{n1}$ 로이 루어진 벡터행 벡터 : $x{11}$~$x{1m}$ 로이 루어진 벡터$$X = \\begin{

미분은 변수의 움직임에 따른 함수값의 변화를 측정하기 위한 도구로 최적화에서 제일 많이 사용하는 기법$$f'(x) = \\lim\_{n\\to0}{f(x+h) - f(x)\\over h}$$ ※ 미분의 변화율은 극한(limit)으로 정의

무어펠로즈 역행렬을 사용하지 않고 선형 모델 만들어보기선형 모델이 아닌 경우에도 적용할수 있는, 조금 더 일반적인 기계 학습 모델에서도 사용하는 방법에 대해 학습선형회귀의 목적은 $||y-X\\beta||\_2$을 최소화 하는 $$\\beta$$를 찾아야 하므로 다음과

신경망 모델기본적으로 비선형 모델인데실제로는 신경망 모델을 수식적으로 파해쳐보면 선형 모델과 비선형 함수로 이루어진 모델실제 모델의 동작 방식과 비선형 학습 패턴에 대한 이해가 필요

딥러닝은 확률론 기반 기계학습 이론에 바탕을 두고 있음기계학습에서 사용되는 손실함수(loss function)들의 작동 원리는 데이터 공간을 통계적으로 해석해서 유도하게 됨예측이 틀릴 위험(risk)을 최소화하도록 데이터를 학습하는 원리는 통계적 기계학습의 기본 원리회

통계적 모델링은 적절한 가정 위에서 데이터를 표현하는 확률분포를 추정(inference)하는 것이 목표이며, 기계학습과 통계학이 공통적으로 추구하는 목표정답의 분포는 확실히 알 수 없으며, 사용 가능한 확률분포도 아래 그림처럼 다양하므로 적절한 확률분포를 선택하는 것이

데이터가 새로 추가될 때 데이터를 업데이트 하는 방식에 대한 이론적 기반으로, 기계학습에 사용하는 예측 모형의 방법론에 많이 사용됨베이즈 통계학을 이해하기 위해선 조건부확률의 개념에 대한 이해가 필요$P(A \\cap B) = P(B)P(A|B)$조건부확률 $P(A|B

시계열, 즉 sequence 데이터에 유용하게 사용됌종속적인 데이터에 대해 어떻게 데이터를 설계하는지에 대해 학습각 모델별 구조 파악소리,문자,주가 등 데이터를 시퀀스(sequence) 데이터로 분류시계열(time-seies) 데이터는 시간 순서에 따라 나열된 데이터로