에이블스쿨

회귀모델 : MSE, RMSE, MAE , MAPE(오차율) , R2 score비즈니스에서 사용할 수 있는 평가 지표 : MAE , MAPE MAE : 예측값과 실제값의 차이에 대한 평균, 오차를 측정하는 방법은 단위에 따라 달라지므로 비즈니스적으로 해석해야함1-MAP

모델링의 목표는?학습할 때 사용하지 않을 data을 잘 맞추는 것이다.loss function은 학습하는 '도중'에 오차를 계산하는 함수이다.오차를 줄이고 싶다면, 가중치를 조정해서 단계를 반복해야한다.순전파란?입력층에서 출력층으로 신호가 전달되는 과정가중치와 활성화

라이브러리 로딩\-데이터로딩\-가변수화,결측값처리\-데이터분할\-스케일링 (상이한 스케일링 값을 신경망에 주입하면 학습이 어려움)\-모델링마지막 활성화 함수: sigmoid(relu함수는 x가 음수값일때 y가 0으로 수렴한다.)(활성화함수인 sigmoid을 통해 0에

1.딥러닝이란? CNN : MNIST 데이터 - image 문제 , classification image classification을 다룰 수 있는 tasl : object detection (심화) 딥러닝 종류 : image classification = 이미지

언어모델 이해 NLP Natural Language Processing 인간 언어와 관련된 모든 것 이해하는데 초점을 맞춘 언어학 및 기계 학습 분야 자연어의 목표 : 맥락(context) 파악 기존의 NLP : RNN 기반 문장이 길수록 앞 단어 정보를 잊어버리는

주의사항 AICE이란, 국내 최초 인공지능 능력 자격지험이며 인공지능과 데이터 활용 능력을 평가하는 시험 associate 시험은 오픈북이지만, 기존 코드 및 chat gpt 금지 등 규정이 정해져있기 때문에 기본 python 코드 숙지 필요 에이블스쿨 전용 assoc

코딩 돌려보기(2일차 실습답안 & 회귀 따릉이)딥러닝에서도 하이퍼 파라미터가 가능하다.kerastuner 라이브러리를 활용함으로써 하이퍼 파라미터 튜닝을 진행할 수 있다.하이퍼 파라미터로 hidden layer의 한 층에서 여러개의 노드를 생성하여 최적의 신경망 층과

최적화와 일반화 사이: 최적화란, 가능한 훈련 데이터에서 최고의 성능을 얻기 위해 모델을 조정: 일반화란, 훈련된 모델이 이전 본적없는 데이터에서 얼마나 잘 수행되었는지 의미과소적합과 과대적합: 과소적합이란, 훈련 데이터의 손실이 낮아질 수록 테스트 손실이 낮아짐: 과

: 초보자 권장 학습 구조: flatten()을 활용하여 1차원으로 변환(flatten()이란? 쫘아악 펼쳐줌, reshape와 같은 방식): dense만 있는 구조 = fully connected 구조예시 ) MNIST 데이터MNIST 데이터는 흑백이며, 픽셀, 고정

: 한 이미지 내 여러 class 가 다양하게 존재하는 경우 상관없으나 작업시 복잡 : 최소 10장 이상의 이미지 수집 필요(실제로는 몇백장 이상 필요): 이미지 형식 - jpg, pngclasses txt 파일 형성: train 0.65 & test 0.35 비율로

IT 인프라란?: IT 서비스 기반이 되는 시스템과 구조구성요소: 하드웨어 → 눈에 보이는 장비(모니터): 소프트웨어 → 눈에 보이지 않는 프로그램(OS): 네트워크 → 그물망처럼 연결된 형태 또는 장비(공유기)데이터 센터: IT 인프라 구성 요소들이 모여 있는 시설: