[AIFFEL 울산 1기] Fundamental

전체 과정의 첫 날, 오리엔테이션을 마치고 두 번째 날이 되었습니다.Fundamental 과정을 도와주실 양재 캠퍼스 퍼실님들의 소개와 함께 수업 시작!!Fundamental 과정은 LMS를 통해서 진행됩니다.커널 연결이 안되신다면,설정-커널 연결 부분을 로컬로 변경했

학습 목표 파이썬에서 텍스트 데이터를 어떻게 처리하는지 알아봅니다. 파이썬에서 텍스트 파일과 디렉토리에 접근하는 방법을 알아봅니다. 텍스트 파일의 종류를 살펴보고 다루는 방법을 각각 연습해 봅니다. 1. 파이썬에서 모든 문자열은 모두 유니코드로 표현된다! 파이썬 3부

학습목표 파이썬에 대해서 알아보자. 코드 재사용에 대해서 알아보자. 프로그래밍 패러다임에 대해서 알아보자. 파이썬 코드를 이쁘게 해보자. 후기 학습내용 Fundamental 8. 파이썬 잘 하는척 해보자 1. 성능 및 한계 퍼포먼스 생산성 똑같은 기능을

데이터를 배열로 저장하는 것에 대해 이해하고 list, NumPy의 사용법을 학습합니다.구조화된 데이터를 저장하는 것을 이해하고 dictionary와 Pandas 사용법을 학습합니다.이미지 데이터를 NumPy 배열로 저장하는 것을 이해하고 그 사용법을 학습합니다.학습한

학습 목표 중복된 데이터를 찾아 제거할 수 있고, 결측치(missing data)를 제거하거나 채워 넣을 수 있다. 데이터를 정규화시킬 수 있다. 이상치(outlier)를 찾고, 이를 처리할 수 있다. 범주형 데이터를 원-핫 인코딩할 수 있다. 연속적인 데이터를 구간으

학습 목표 Tensorflow V2의 개요와 특징을 파악한다. Tensorflow V2의 3가지 주요 API 구성 방식을 이해하고 활용할 수 있다. GradientTape를 활용해 보고 좀 더 로우 레벨의 딥러닝 구현 방식을 이해한다. 후기 학습 내용 21. TF2

학습 목표 Part 1 딥러닝 네트워크들을 동물원 구경하듯 둘러봅니다. (Model Zoo라고도 하죠) 딥러닝이 어떻게 시작된 것인지 알아봅니다. ResNet과 VGG는 무엇을 시도했는지 알아봅니다. Part 2 그림과 글로만 보던 딥네트워크 어떻게 만들고 있는지 알

학습 목표 레이어의 개념을 이해한다. 딥러닝 모델 속 각 레이어(Linear, Convolution)의 동작 방식을 이해한다. 데이터의 특성을 고려한 레이어를 설계하고, 이를 Tensorflow로 정의하는 법을 배운다. 후기 학습 내용 23. 딥러닝 레이어의 이해(

학습 목표 레이어의 개념을 이해한다. 딥러닝 모델 속 각 레이어(Embedding, RNN, LSTM)의 동작 방식을 이해한다. 데이터의 특성을 고려한 레이어를 설계하고, 이를 Tensorflow로 정의하는 법을 배운다. 후기 학습 내용 24. 딥러닝 레이어의 이해

학습 목표 정칙화(Regularization)의 개념을 이해하고 정규화(Normalization)와 구분합니다. L1 regularization과 L2 regularization의 차이를 설명합니다. 실습을 통하여 Lp norm, Dropout, Batch Normal

학습 목표 후기 학습 내용 26. 활성화 함수의 이해 26.1. 활성화 함수 \# 활성화 함수 > 노드에 입력으로 들어오는 값이 어떤 '임계치'를 넘어가면 "활성화(activated)" 들어온 신호가 특정 임계점을 넘으면 출력을 하고, 넘지 못하면 무시 딥러닝 모

학습 목표 후기 학습 내용 27. Likelihood(MLE와 MAP) 27.1 들어가며: 머신러닝의 목표 > 모델이 표현하는 확률 분포를 데이터의 실제 분포에 가깝게 만드는 최적의 파라미터 값을 찾는 것 27.2 posterior와 prior, likelihoo

학습 목표 머신러닝 이론의 이론적 토대를 이루는 가장 중요한 이론 중 하나인 정보이론(Information Theory)에 대해 알아본다. 머신러닝에서 많이 사용되는 Entropy, Cross Entropy, KL divergence 등의 개념과 이런 개념들이 머신러닝

학습 목표 추천 시스템의 기본 개념에 대해 학습합니다. 추천 시스템의 종류에 대해 학습하고 사이킷런을 활용하여 연습해 봅니다. 실제 추천 시스템에는 더 많은 기술이 적용됨을 이해합니다. 후기 학습 내용 29. 사이킷런을 활용한 추천 시스템 입문 추천 시스템 이란?

학습 목표 멀티태스킹, 병렬프로그래밍과 동시성에 대해 이해합니다. 파이썬으로 멀티스레드와 멀티프로세스를 구현하는 법에 대해 학습합니다. 파이썬의 concurrent.futures를 이용한 병렬 프로그래밍을 구현해 봅니다. 후기 학습 내용 30. 컴퓨터 파워 UP 3

학습 목표 HTML 문서의 개념에 대해서 이해한다. 태그의 형식에 대해서 이해한다. 크롤링을 위한 패키지인 BeautifulSoup4의 사용법을 이해한다. 머신 러닝 분류 방법인 나이브 베이즈 분류기의 사용법을 익힌다. 후기 학습 내용 31. 뉴스기사 크롤링 및 분