
오랜만에 돌아왔다.한동안 글을 안썼지 이젠 다시 시작하려고한다.왜냐 내가 에이블스쿨을 합격했으니깐 쨔짠!!!!!아무튼 오늘 opening day라고 전반적인 흐름과 출석체크방법, 특강 등등을 진행했다. (퀴즈도 많았는데 다른분들 너무 잘해요...)내일부터는 본격 강의가

교육 시작 2일차코멘트나는 비전공자다. GIT이란 것을 처음 접해보았다. 어렵다면 어렵고 쉽다면 쉬운 것 같다. 개념설명과 실습을 병행하여 진행했지만 개념 부분에 처음엔 이해가 되지 않았다. 그래도 점점 실습 도중에 개념설명을 해주셔서 조금 이해가 되었고, 마지막에 셀

무작정 Git을 배워서 이 설정을 생략하고 Commit을 진행하면 이 오류가 발생한다.밑은 복붙용 입니다.git config --global user.name "설정이름"git config --global user.email "이메일작성"이런식으로 이름과 이메일을 설정

파이썬을 처음 시작한 날입니다.주피터 노트북은 Anaconda Prompt 에서 사용하는 파일이 있는 폴더명에cd 파일이름ex) cd filename경로를 설정하여 Jupyter notebook 또는 Jupyter lab을 작성하여 연결을 합니다.두 개의 차이는 lab

bool 연산자주어진 조건을 평가하여 참 또는 거짓의 결과를 반환하는 연산자결과 : True / False비교 연산자(조건문)== 같은가?!= 같지 않은가?논리 연산자and : 양쪽이 둘 다 참일 때만 참.or : 둘 중 하나만 참 이어도 참.not : 논리 값의

데이터 분석 / 모델링을 위한 데이터 구조 CRISP-DM 데이터 수치형과 범주형 분석가능 데이터

6. Numpy 1) 라이브러리 불러오기 2) 배열만들기 Numpy 용어 정리 배열 만들기 함수와 메서드 3) 배열의 인덱싱, 슬라이싱 인덱싱 슬라이싱 조건 조회 4) 배열의 연산 사칙연산 배열 집계 자주 사용되는 함수들

7. Pandas 1) 데이터프레임 생성 및 탐색 (1)데이터프레임이란 (2) 데이터프레임 형태 2) 데이터프레임 직접 만들기 (1) 라이브러리 불러오기 (2) 딕셔너리로 만들기 (3) CSV파일 읽어오기 2) 데이터프레임 탐색 (1) 상위, 하위 일부 데이터, 크기

1. 데이터프레임 변경 (1) 열 이름 변경 (2) 열 추가 (3) 열 삭제 drop() (4) 값 변경 (map, cut) 2. 데이터프레임 결합 (1) concat (2) merge (3) pivot 3. 시계열 데이터 처리 (1) 날짜 데이터 요소 (2) shif

1. 시각화 2. 단변량 분석 (숫자) 3. 단변량 분석 (범주)

1. 가설검정 2. 이변량 분석1 (숫자->숫자) 3. 평균 추정과 신뢰구간 4. 이변량 분석2 (범주->숫자)

1. 이변량 분석 (범주 -> 범주) 2. 이변량 분석 (숫자 -> 범주)

1차 미니프로젝트

1차 미니프로젝트

파이썬 class, WEB의 개념, 웹크롤링 방법

Naver Api 사용, 예제) 직방, HTML, CSS-selector

1. 네이버 연관 검색어 수집 2. Gmarket 베스트상품 수집 3. selenuim

머신러닝 전 처리해야할 과정

모델 성능 평가 방법

1. LinearRegression 2. K-Nearest Neighbor 3. Decision tree

1. Logistic Regression 2. K-Fold Cross Validation 3. Hyperparameter 4. Random Search, Grid Search

여러개의 모델을 결합하여 강력한 모델을 생성한다.여러 모델을 결합하기 위한 방법보팅(voting)배깅(bagging)부스팅(Boosting)스태킹(Stacking)여러 모델들(다른 알고리즘)의 예측 결과를 투표를 통해 최종 결과를 결정하는 방법하드보팅: 다수 모델이 예

미니프로젝트 미세먼지 데이터를 활용하여 데이터를 전처리하고 미세먼지 농도를 예측하는 머신러닝 모델을 구현하는 프로젝트를 하였습니다. 데이터 기본 탐색 및 분석 주어진 데이터는 날씨데이터, 미세먼지데이터 각 변수 중 '측정일시', 'PM10', 'PM25', '일시'

딥러닝은 머신러닝의 한 분야로, 인공신경망을 기반으로 하는 알고리즘들을 다룬다. 딥러닝은 특히 대량의 데이터를 기반으로 패턴을 학습하고 복잡한 특징을 추출하는데 효과적이다.인공신경망: 인간의 뇌가 작동하는 방식에서 영감을 받아 만들어진 인공신경망을 사용합니다. 이는 입

이진분류다중 분류

성능관리 / Functional ApI

RNN LSTM

3차 미니프로젝트 (kaggle)

Conv2D, MaxPool2D

Augmentation

image Data 가져오기

시각지능 딥러닝의 객체 구별 방법

시각지능 딥러닝을 배우는 마지막 날이다.object detection을 할 주제를 선정하여 roboflow와 로컬환경에서 해보는 시간을 가졌다.AI Hub에서 "위성영상 객체 판독" 데이터를 활용하여 Building, Forest, Ground, Plane, Pool,

이미지 구분하는 모델 생성

YOLO 모델 사용

언어지능 딥러닝

한글어 자연어 처리를 위한 파이썬 라이브러리 이다.형태소 분석, 품사 태깅, 명사추출, 구문 분석 등이 있다.이를 활용하여 텍스트 마이닝, 감성 분석, 정보 추출, 문서 분류 등 응용프로그램을 구축할 수 있음Hannanum, Kkma, Komoran 등이 있다.형태소

Linear regrssion / binary classification

Nonlinear Function

AICE

주제: '유통 판매량 예측 및 재고 최적화'

LLM 모델

IT 인프라

html, css, javacript

ngrok

AWS, git bash

nginx

SQLD

가상화 클라우드
AWS

AWS 모니터링, 비용