profile
danny + realism

Ai_D68

기울기값을 얼만큼 경사하강법에 적용할 지 결정하는 hyperparameter 입니다. 학습률(learning rate)를 조절하여 기울기 값을 조정할 수 있습니다. 그 결과, 모델 성능을 효율적으로 개선할 수 있습니다.(global minima를 효율적으로 찾을 수

2022년 2월 24일
·
0개의 댓글

Ai_D67

손실 함수의 목적은 손실의 정도를 파악하고 줄이기 위해 사용할 수 있는 기준을 정하는데 있습니다.이 기준을 가지고 편미분과 체인 함수를 통해 가중치를 재조정하며 성능을 개선합니다.따라서 손실 함수는 학습 결과를 판정할 수 있는 도구이기 때문에 매우 중요합니다.Binar

2022년 2월 23일
·
0개의 댓글

Ai_D66

딥러닝

2022년 2월 22일
·
0개의 댓글

Ai_D57

API 와 Library 에서 사용되는 시간 기준시간 표기시, 인간과 컴퓨터가 인식하는 방법이 다르다작업 예약 스케줄링 설정데이터의 양을 줄이기 위해 데이터를 코드화 하고 압축하는 것.타임존의 문제. 서버타임존. 로컬시간을 사용하면 타임존의 시간 차이를 표현하지 못한다

2022년 2월 9일
·
0개의 댓글

Ai_D56

summary 개발 환경과 배포 환경에 대한 관리 Heroku 배포 클라우드 데이터베이스 연결 Metabase 사용방법 WSGI WSGI Web Server Gatteway Interface > 중간역할, 서버나 게이트웨이를 어플리케이션이나 프레임워크와 이어준다.

2022년 2월 8일
·
0개의 댓글

Ai_D55

\-개발 환경과 배포 환경에 대한 관리\-Heroku를 이용하여 배포\-클라우드 데이텁베이스에 연결\-WSGI란?Django, Flask : 웹 어플리케이션을 작성하는 데 도움.Flask: micro web framework:: Web Service, Web API 등

2022년 2월 7일
·
0개의 댓글

Ai_D54

CLI는 무엇인가?Docker Hub에서 Doxker Image 를 검색한 뒤 사용한 개의 Docker image를 이용해서 Xontainer를 구축두 개 이상의 Docker Container를 이용해서 Container를 구축Docker LifeCycle 을 통해 오

2022년 2월 4일
·
0개의 댓글
post-thumbnail

모두를 위한 모니터 BenQ 디자인 모니터

SummaryBenQ 디자인을 위한 모니터 PD2705U 는 훌륭한 제품이다. 디자인, 실용성, 가격 모두 만족 그 이상이다. 깔끔한 디자인, 4k UHD, 27형, Rotation 스크린, 아이케어, 안정적인 스탠드.특히, USB-C 타입으로 연결할 수 있어 Mac

2022년 2월 1일
·
0개의 댓글

Ai_52

API 서버와 소통할 수 있는 인터페이스 REST API 개발자들이 서로 공유하기 위한 포맷. IT 기계와 기계가 정보를 주고 받는다. 이 때 필요한 지정된 형식으로 주고 받는 것. 지정된 명령어를 가지고 코드를 만들어 사용한다. -어떤 서비스, 동작이 무엇인지 파

2022년 1월 27일
·
0개의 댓글

Ai_D51

HTML, CSS, JS HTML 웹 컨텐츠의 구조, 빌딩, 블럭 - CSS, JS 는 라이브러리 같은 것 표준화된 markup language. html 은 역사가 길다. 모든 것이 html5를 지원 head- 사용자에게 보여지는 UI 없다. 제목이나 아이콘 CS파

2022년 1월 26일
·
0개의 댓글

Ai_D50

n321 데이터 수집과 NoSQL 1. philosopy of python 공유되고 있는 파이썬의 철학. 모르는 것. 어떻게 해결. import anti gravity. 파이썬 코드. 그냥 시작해봐. 이것을 가장 중요하게 생각한다. 그냥 시작해 볼 수 있도록 전달한

2022년 1월 25일
·
0개의 댓글

Ai_D48

Database Application Programming Interface.미리 정의된 약속이 interface 이다. ex) 리모콘, 전원 버튼.a와 b 사이를 연결해 주는 것이 interface 이다. API 기능을 잘 사용하기 위해 제공하는 프로그램 applic

2022년 1월 21일
·
0개의 댓글
post-thumbnail

Ai_D47

데이터의 종류가 많다. 프로그램 데이터 : 프로그램을 실행 중에만 불러온다.(휘발성)파일 : 크기가 큰 데이터는 컴퓨터의 성능을 저하시키고 모두 불러오기 때문에 시간이 오래 걸린다. 데이터베이스 : 필요한 정보만 불러올 수 있으며 데이터 간의 관계를 설정하고 구조화 시

2022년 1월 20일
·
0개의 댓글

Project02_Ai_D42

이번 프로젝트는 그 동안 배운 모델을 이용하여 실제 머신러닝 모델을 만들어 예측하는 프로제트였다.문제를 직접 수립하고 데이터 또한 직접 선정하여 프로젝트를 진행했다. 2022년 카타르 월드컵 결과를 예측하는 모델을 이번 프로젝트 주제로 정했다.모델을 적요하기전 EDA과

2022년 1월 13일
·
0개의 댓글

RandomForest_Ai_D30화

Random forest.this model extracts the samples from data set, and makes a bunch of the decision treem which is called a bagging. Then it estmates them

2021년 12월 28일
·
0개의 댓글

Decision Tree_Ai_D28금

Decision tree회기, 분류 문제 모두 적용 가능하다.장점, 특성을 해석하기 좋다.단점, 과적합 가능성이 많다.예측하려하는 target과 연관된 features를 찾아 적용하는 것이 중요하다. 도메인 지식, 또는 accuracy 값을 비교하며 찾아 낼 수 있다.

2021년 12월 24일
·
0개의 댓글

Multiple Linear Regression_Ai_D24월

Multiple Linear Regression다중선형회기모델두 개 이상의 독립변수를 이용하여 종속변수의 값을 예상할 수 있는 모델을 만든다. 두 개 이상의 feature는 target의 값을 예측할 수 있는 최선의 선을 만들고 이 선은 3차원 공간에서 면을 이룬다.

2021년 12월 20일
·
0개의 댓글

Linear Regression_Ai_D23금

종속 변수와 독립변수 간의 관계가 선형일 때 적용이 된다. 독립변수는 다른 feature 와 연관이 없어야 한다. 정규분포를 가지고 있어야 한다. 분산이 고르게 있어야 한다. 위의 4가지 조건이 충족이 되어야 선형회기를 사용할 수 있다. Coefficients 는 회기

2021년 12월 17일
·
0개의 댓글

Section1 Challenge_Ai_D22목

from sympy import Derivative, symbolsx = symbols('x') fx = x 2 - 10 \* x 3 + 3fprime = Derivative(fx, x).doit() print("fx 의 도함수는 : ", fprime, "입니다"

2021년 12월 16일
·
0개의 댓글

Project01_끝_Ai_D19화

Section01 프로젝트를 마쳤다. Section01 에서는 Date featuring,EDA,미분, Vector,분산,Covariance,null-Hypothesis, Alternative-Hypothesis, Chi-Test, Anova Test, T-Test K

2021년 12월 14일
·
0개의 댓글