시리즈 | SKT FLY AI 4기

1.[2일차] 판다스

판다스 공식 사이트: http://pandas.pydata.org 1. 판다스의 주요 기능 • 쉬운 결손 값(missing data) 처리 • 레이블 위치를 자동적/명시적으로 정리한 데이터 작성 • 데이터 집약 • 고도의 레이블 베이스의 슬라이싱, 추출, 큰 데이터세트

2023년 12월 25일

2.[6일차] 1. Numpy & ML

1\. 파이썬 리스트정수형, 문자형, float형 등 동시에 다른 데이터 타입의 요소들이 들어갈 수 있음.2\. 넘파이 배열ndarray 객체 형태각 요소가 모두 같은 데이터 타입을 가져야 함.3차원 배열shape가 (3,1,3)인 array 만들어보기\-> 확인: b

2023년 12월 26일

3.[6일차] 2. ML 실습

KNN 실습

2023년 12월 26일

4.[7일차]1. SVM 이론&실습

1. 서포트 벡터 머신(SVM) 1. 개념 지도 학습 알고리즘 복잡한 분류 문제에 적합 선형, 비선형 분류 모두 사용 가능 회귀에도 사용 가능 이진 분류만 가능 (이진 분류기를 여러 개 사용하여 다중 클래스를 분류하는 기법도 많음) 확률 추정치 제공 X 2. 하드

2023년 12월 27일

5.[7일차] 2. penguin dataset 실습

https://www.kaggle.com/code/parulpandey/penguin-dataset-the-new-iris/input?select=penguins_size.csv 이용 타겟: 펭귄 종류 SVM 사용 테스트 파일(20%): 미리 준비 1. 데이터 불러

2023년 12월 27일

6.[8일차] 1. 머신러닝 알고리즘

1. 의사 결정 나무(Decision Tree) > 다른 지도 학습 기법들보다 성능이 떨어지지만, 구조가 단순하여 해석 용이 규제를 걸지 않으면 과적합 발생 선형, 비선형 관계 모두에 사용 가능 이상치의 영향 덜 받음 + 인코딩, 스케일링 필요X > 불순도가 감소

2023년 12월 28일

7.[8일차] 2. 비지도학습

: 레이블(정답)이 없는 데이터 안에서 패턴과 구조를 발견하는 비지도 학습목표: 서로 유사한 데이터들을 같은 그룹으로 묶어주는 것 분류: 지도학습군집: 비지도학습K: 군집 개수(몇 개의 그룹으로 묶을 것인지)SSE: K를 선택하는 방법\-> 군집들이 얼마나 뭉쳐져 있는

2023년 12월 28일

8.[9일차] 1. 선형회귀 & 로지스틱 회귀

입력과 출력 간의 관계를 파악하는 것독립변수와 종속변수를 선형적 관계로 가정하고, 관계를 잘 나타내는 선형식 찾기1) 단순 선형 회귀독립변수: 1개독립변수가 여러개: 다중 선형 회귀입력과 출력을 선형으로 가정, 가설 yhat 중 데이터를 가장 잘 설명하는 직선 하나 찾

2023년 12월 29일

9.[9일차]2. 인공 신경망

두 종류의 클래스를 직선으로 분류하는 선형 분류기이진 분류만 가능비선형 문제 못 품퍼셉트론으로 XOR GATE 풀 수 X (비선형)\-> MLP 필요(퍼셉트론을 쌓아야 풀 수 있음)Layer를 쌓으면, 축이 바뀌면서(=문제가 바뀜) 해결 가능?MLP를 학습 시킬 수 있

2023년 12월 29일

10.[10일차]

mnist dataset 이용1) 데이터 준비필요 라이브러리 불러오기이미지 표시검증 데이터 분리정규화2) 모델 만들기3) 학습그래프4) 평가테스트 데이터 정리: 정규화: 차원 변경: 레이블 원핫 인코딩5) 예측오답 확인6) 모델 저장케라스 모델로 저장7) 모델 로딩

2024년 1월 2일

11.[10일차] - CNN(합성곱 신경망)

1. 기본 개념 이미지 분류 : 공간적 정보 무시, 모델의 파라미터 수 급격한 증가 필터 : 이미지의 특징 추출 위함 > CNN의 핵심: 필터 학습 합성곱 신경망 : 이미지의 특징을 추출하여 NN에 적용 + 필터도 학습시킴(특징을 잘 뽑아내기 위함) 2. 합성곱

2024년 1월 2일

12.[11일차] 1

레이블링 툴: https://github.com/HumanSignal/labelImg/releases\-> XML 파일로 저장 후 코드 보면, 좌표 얻을 수 있음.\++ https://roboflow.com/고양이 얼굴 바운딩 박스 찾기1) 데이터 준

2024년 1월 3일

13.[11일차] 2. RNN(순환 신경망)

1. 순환 신경망(Recurrent Neural Network) 이론 >- 순차 데이터(순서에 의미가 있는 데이터)의 학습을 위한 인공신경망 CNN: 데이터가 앞으로만 전달되는 형태 -> 이전에 처리한 데이터를 재사용할 수 있는 구조 필요 시간에 따른 순환

2024년 1월 3일

14.[12일차] 강화학습

Active Learning: 라벨이 지정되지 않은 데이터 선택하여, 사람에게 라벨 지정 요청Incremental Learning: 샘플로 모델 파라미터 1번 업데이트하여 모델 학습Online Learning: 샘플을 한 번만 볼 수 있고, 바로 버려야 하는 상황에서

2024년 1월 4일

15.[13일차] 강화학습

다음 State의 추정치(V(S_t+1))로 현재 State의 추정값(V(S_t))을 업데이트TD(0): 주어진 Policy 평가MC vs TDMC: full sequence of state 요구TD: only a step으로만 Learning 가능value funct

2024년 1월 5일