# Keras
케라스 창시자에게 배우는 딥러닝_12장
생성 모델을 위한 딥러닝 > 지금까지 학습해온 딥러닝을, 예술 창작에 어떻게 쓰일 수 있는지 다양한 각도에서 살펴보자. 텍스트 생성 시퀀스 데이터 생성하기 순환 신경망으로 시퀀스 데이터를 생성하는 방법을 알아보자. 딥러닝에서 시퀀스 데이터를 생성하는 일반적인 방법은
케라스 창시자에게 배우는 딥러닝_11장(2)
텍스트를 위한 딥러닝(제 2탄) 🗣️ 트랜스포머 아키텍처 도입부 2017년부터 새로운 모델 아키텍처인 트랜스포머(transformer)가 대부분의 자연어 처리 작업에 순환 신경망을 앞지르기 시작하였다. 트랜스포머는 순환층이나 합성곱 층을 사용하지 않고 '뉴럴 어텐
케라스 창시자에게 배우는 딥러닝_11장(1)
한국어나 영어 같은 사람의 언어를 어셈블리어, LISP, XML 과 같은 기계를 위해 고안된 언어와 구별하기 위해 자연어(natural language)라고 부른다.자연어는 복잡하고, 모호하고, 불규칙하고, 끊임없이 변화한다. 자연어를 이해할 수 있는 알고리즘을 만드는
케라스 창시자에게 배우는 딥러닝_10장
🧭 시계열을 위한 딥러닝 1️⃣ 다양한 종류의 시계열 작업 > ### 시계열이란? 시계열 데이터는 일정한 간격으로 측정하여 얻은 모든 데이터를 말한다. (예를 들어 주식의 일별 가격, 도시의 시간별 전력 소모량, 상점 주간별 판매량 등..) 지금까지 보았던 데이터와
Anomaly Detection by Convolutional AutoEncoder
def convae(data):X_train = df:400.drop(columns = 'anomaly','changepoint', axis = 1) StSc = StandardScaler()X_train_scale = StSc.fit(X_train) X_train
[혼공머신] 7-1. 인공 신경망
이번엔 패션 럭키백이다! 홍 선배🗣️ "생선 럭키백에 썼던 로지스틱 회귀 알고리즘보다 정확도를 높일 순 없을까..."
케라스 창시자에게 배우는 딥러닝_9장
이미지 분류 : 이미지에 하나 이상의 레이블을 할당 하는 것이 목표 !단일 레이블 분류이거나 다중 레이블 분류일 수 있다.이미지 분할 : 이미지를 다른 영역으로 나누거나 분할하는 것이 목표 !각 영역은 일반적으로 하나의 범주를 나타낸다. 이미지 분할 모델을 사용하여 픽
케라스 창시자에게 배우는 딥러닝_8장
간단한 CNN 구조를 함수형 API로 구현한 모델을 봅시다.여기서 모델의 summary method를 출력해보면Conv2D와 MaxPooling2D의 층의 출력은 (height, weight, channels)크기의 랭크-3 텐서이고, 여기서 채널(층)의 수는 첫번째
CS231n Lecture 8
시간이 금세 가서 벌써 Lecture 8이다. 예전 기업 면접에서 tensorflow와 pytorch의 차이를 물어봐서 graph 생성 관련으로 아는대로 대답했었는데 지금 생각해보니 CS231n을 본 사수들이 그래서 물어본거 같기도 하다...static과 dynamic
CNN을 활용한 산업 분류 모델
이번 프로젝트는 통계청에서 주관하는 통계데이터 인공지능 활용대회에 참여한 결과물이다. 자연어 기반의 통계데이터를 인공지능으로 자동 분류하는 기계학습 모델을 발굴하는 대회이다. 처음으로 제대로 참여해본 대회라 거의 제로 베이스로 시작하여 부족한 점이 매우 많았고 학습
케라스 창시자에게 배우는 딥러닝_7장
케라스에서 모델을 만드는 API는 세가지입니다.Sequential 모델 : 가장 시작하기 쉬운 API, 기본적으로 하나의 파이썬 리스트이며, 단순히 층을 쌓을 수만 있다.함수형 API : 그래프같은 모델 구조를 주로 다룬다. 사용성과 유용성 사이 적절한 중간 지점에 위