학습한 내용 어려운 점과 해결못한 점 해결방법 작성 학습 소감
mglearn.plots.plot_linear_svc_regularization()
: 인간이 개발한 알고리즘을 컴퓨터 언어를 통해 기계에게 학습시키는 행위 1\. 이 수업은 머신러닝이 핵심 2\. 앞으로 이론을 기반을 코딩 예정 3\. 각 알고리즘의 의미를 잘 이해하기 \- Label(데이터 분류 기준, 0 or 1)
1. 학습내용 makeforge, makewave 데이터셋으로 분포 확인 최근접 이웃(KNN) train/test로 쪼개기(spilt) 훈련 데이터 및 테스트 데이터 정확도 판별 웨이브 데이터셋 - 회귀 분석 선형 회귀 분석 릿지(규제) 회귀
딥러닝 들어가기 전에 기본적으로 알고갈 내용! 아나콘다 설치는 여기서!마우스 우클릭 해제 : 기타 도구에서 JS해제하고 새로고침하면 가능!
\* 교차점 = Check Point\* 텐서는 데이터라고 생각하자!\* 텐서는 5차원 까지! 내용 참고바람temp_image = X_train3plt.imshow(temp_image, cmap='gray') \`\`\`x1 = np.arange(-2, 2, 0.01)
train_images.shape (60000, 28, 28) train_labels.shape (60000,) test_images.shape (10000, 28, 28) test_labels.s
1. 학습내용 Face Detection - 안면인식 OCR - 문자인식 2. 상세내용 Face Detection - 안면인식 <
arr.ndim \`\`\`arr_float = arr.astype(np.float64)print(arr_float) 4. 5. 6.]arr_float.dtype \`\`\`arr_int = np.arange(10)print(arr_i
birthsbirths.pivot_table('births', index='decade', columns = 'gender', aggfunc='sum')import matplotlib.pyplot as pltbirths.pivot_table('births', index
from tensorflow.keras import optimizersmodel.compile(loss='binary_crossentropy', optimizer=optimizers.RMSprop(lr=1e-4), metr
주로 고가용성과 탄력성으로 비교를 많이한다하지만, 클라우드 시설의 감가상각비, 전기료도 고려해야한다.클라우드의 규모의 경제의 빈틈요소공용 클라우드의 장점클라우드 생태계 현황(2020)공용클라우드 : AWS, Microsoft Azure사설클라우드 : private회사에
: 네트워크를 Primary Domain Controller(PDC)가 통제한다. 특정 도메인을 PDC를 지정하는데 이를 보좌하는 Backup Domain Controller(BDC)가 필요합니다.\-> 핵심 : 구독, 테넌트, 역할 할당 기능\-> TCP/IP 설명
\--> MySQL workbench 실행 후 Connect to Database탭 실행(참고)\-> DDL, DML, DCL 관련해서 따로 공부해두면 좋음
\--> 나와서 cat Dockerfile 하면 내용을 볼 수 있음\--> 도커 레지스트리 관련해서 사이트 들어가서 찾으면 정보가 많음그리고, 도커허브를 실행한다.\--> 쿠버네티스의 내용은 쿠버네티스관련 유튜브 자료를 보면서 배우면 된다고 한다!\--> 다운로드 끝나