GDSC 인공지능 스터디
1.인공지능 스터디 1주차 - 1. Data Frame 다루기
수많은 개발동아리에 지원하고자 하였지만 지원양식(구글폼)의 질문들을 보고 나의 경험과 이 분야에 대한 지식이 너무 부족하다고 생각되어 한 학기동안 공부를 해보고자 홍익대학교 컴퓨터공학과 학회 GDSC에 가입하였다. 인공지능 전문가가 내가 관심있는 직업이기에 인공지능 스
2.인공지능 스터디 1주차 - 2. 데이터 불러오기
2-1 Read CSV문제: 방금 다운받은 데이터를 Data Frame으로 읽는 코드를 작성해주세요.<내 코드><실행 결과>엑셀 파일을 다운받아 불러오기에 성공했다.참고사이트2-2 Data Frame Indexing 복습!문제: 읽어온 Data Frame에서
3.인공지능 스터디 2주차 - 데이터 시각화(matplotlib,seaborn을 이용한)
지금에서야 2주차를 시작하는 나는 게으름인간이다. 저번 주차에서는 pandas를 사용하여 데이터를 읽어오고 이를 원하는 형식으로 가공하는 것을 하였다. 이번 주차는 수많은 데이터들을 효과적으로 설명할 수 있는 데이터 시각화에 대해 학습할 예정이다. 우선 matplo
4.인공지능 스터디 3주차 - EDA(Exploratory Data Analysis)
EDA는 탐색적 데이터 분석이라고 한다. 데이터를 수집하고 정제하는 과정이다. EDA과정을 거치면서 데이터의 잠재적 문제와 패턴을 발견할 수 있으며, 추가 자료수집을 위한 데이터기반을 형성할 수 있다. 문제1 데이터 읽어오기데이터 <- 이곳에서 데이터를 다운 받아
5.인공지능 스터디 4주차 - EDA 필사
EDA단계?의 정석? 어떤 한 분의 캐글의 필사를 진행하는 주차이다.Ashwini Swain의 EDA\*데이터는 Titanic을 사용함1\. 관련 라이브러리 import하기4\. Feature와 Class 관계 파악하기성별과 생존과의 관계선실 등급과 생존과의 관계 fa
6.인공지능 스터디 5주차 - Machine Learning 기초
머신러닝의 간단한 흐름과 대표적인 도구인 sklearn을 학습함.머신러닝은 데이터가 가지는 특징(Feature)과 Target 사이의 패턴을 파악하는 일문제1 데이터 불러오기(유방암 데이터)문제2 train_test_split(데이터 분리)머신러닝을 위해서는 학습데이터
7.인공지능 스터디 6주차 - 지도 학습(Supervised Learning)
1-1 종류 파악 (회귀와 분류의 차이점)
8.인공지능 스터디 7주차 - 비지도 학습(Unsupervised Learning)
1-1 군집화와 차원축소 1-2 K-Means 1-3 실루엣 계수 2-1 차원축소 2-2 차원축소 전과 후 성능 비교 해보기 2-3 차원축소 변수의 의미 해석