분류 전체보기
-
hr_data_binary_classification¶IBM HR data¶https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset구글 드라이브 연동¶In [ ]: from google.colab import drivedrive.mount('/content/drive') Mounted at /content/drive1. 문제 파악 및 목표 설정¶2. 데이터 수집 및 전처리¶In [ ]: import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport missingno as ms..
IBM HR data Binary Classificationhr_data_binary_classification¶IBM HR data¶https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset구글 드라이브 연동¶In [ ]: from google.colab import drivedrive.mount('/content/drive') Mounted at /content/drive1. 문제 파악 및 목표 설정¶2. 데이터 수집 및 전처리¶In [ ]: import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport missingno as ms..
2024.09.10 -
글 작성 예정 입니다. 2024.09.10
-
Implement CNN Model¶Import Library¶In [1]: import scipy.io as sioimport matplotlib.pyplot as pltimport tensorflow as tfimport numpy as np%matplotlib inline 2022-12-07 17:52:14.633420: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To tur..
Face RecognitionImplement CNN Model¶Import Library¶In [1]: import scipy.io as sioimport matplotlib.pyplot as pltimport tensorflow as tfimport numpy as np%matplotlib inline 2022-12-07 17:52:14.633420: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To tur..
2024.09.10 -
Import Library¶In [1]: import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline 2022-11-23 17:10:00.971077: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `..
Image PredictionImport Library¶In [1]: import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline 2022-11-23 17:10:00.971077: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `..
2024.09.10 -
In [1]: import numpy as npimport tensorflow as tfimport timenp.random.seed(101) 2022-10-12 17:13:46.461742: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.build you..
Linear Classifier 02In [1]: import numpy as npimport tensorflow as tfimport timenp.random.seed(101) 2022-10-12 17:13:46.461742: I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.build you..
2024.09.10 -
In [1]: import numpy as npnp.random.seed(101) build your own data¶x_train: [12, 4] y_train: [12, ] x_test: [4, 4] y_test: [4, ][1, 0, 0, 0] --> 0 [0, 1, 0, 0] --> 0 [0, 0, 1, 0] --> 1 [0, 0, 0, 1] --> 1In [2]: x_train = np.zeros(shape=[12, 4], dtype=np.float32)y_train = np.random.randint(0, 4, [12, ])print(x_train)print(y_train) [[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.] ..
Linear Classifier 01In [1]: import numpy as npnp.random.seed(101) build your own data¶x_train: [12, 4] y_train: [12, ] x_test: [4, 4] y_test: [4, ][1, 0, 0, 0] --> 0 [0, 1, 0, 0] --> 0 [0, 0, 1, 0] --> 1 [0, 0, 0, 1] --> 1In [2]: x_train = np.zeros(shape=[12, 4], dtype=np.float32)y_train = np.random.randint(0, 4, [12, ])print(x_train)print(y_train) [[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.] ..
2024.09.10 -
CS231n Python Tutorial With Google Colab¶This tutorial was originally written by Justin Johnson for cs231n. It was adapted as a Jupyter notebook for cs228 by Volodymyr Kuleshov and Isaac Caswell.This version has been adapted for Colab by Kevin Zakka for the Spring 2020 edition of cs231n. It runs Python3 by default.Introduction¶Python is a great general-purpose programming language on its own, bu..
CS231n Python TutorialCS231n Python Tutorial With Google Colab¶This tutorial was originally written by Justin Johnson for cs231n. It was adapted as a Jupyter notebook for cs228 by Volodymyr Kuleshov and Isaac Caswell.This version has been adapted for Colab by Kevin Zakka for the Spring 2020 edition of cs231n. It runs Python3 by default.Introduction¶Python is a great general-purpose programming language on its own, bu..
2024.09.10 -
1. 개념어떠한 데이터 입력이 들어왔을 때, 해당 입력을 압축 시켜 latent vector로 만든 후, 해당 embedding vector를 다시 본래의 입력 데이터 형태로 복원 하는 신경망 2. 구조인코더와 디코더로 이루어짐인코더는 입력 데이터를 압축하여 latent vector로 만듬, recognition network 라고도 불림디코더는 latent vector를이용하여 원래의 입력 형태로 만듬, generative network 라고도 불림 3. 활용데이터에 대한 차원 축소, 이상 탐지, 노이즈 제거, 인식, 생성 등에 활용됨 4. VAE(; Variational AutoEncoder)기본적인 형태의 오토인코더와 다름확률적 오토인코더로, 학습이 끝난 이후에도 출력이 부분적으로 우연에 의해 결..
Auto Encoder 요약1. 개념어떠한 데이터 입력이 들어왔을 때, 해당 입력을 압축 시켜 latent vector로 만든 후, 해당 embedding vector를 다시 본래의 입력 데이터 형태로 복원 하는 신경망 2. 구조인코더와 디코더로 이루어짐인코더는 입력 데이터를 압축하여 latent vector로 만듬, recognition network 라고도 불림디코더는 latent vector를이용하여 원래의 입력 형태로 만듬, generative network 라고도 불림 3. 활용데이터에 대한 차원 축소, 이상 탐지, 노이즈 제거, 인식, 생성 등에 활용됨 4. VAE(; Variational AutoEncoder)기본적인 형태의 오토인코더와 다름확률적 오토인코더로, 학습이 끝난 이후에도 출력이 부분적으로 우연에 의해 결..
2024.09.05 -
0. 시작하기에 앞서본 게시물은 아래 참고링크의 게시글을 매우 적극적으로 활용하였으므로, 원 저작자에게 감사의 뜻을 남깁니다. 1. 개념U-Net은 오토인코더(autoencoder)와 같이 데이터의 차원을 축소했다가 다시 확장하는 방식의 모델로, Semantic Segmentation을 수행할 수 있다.그러나 오토인코더는 인코딩 단계에서 차원 축소를 거치면서 이미지 객체에 대한 자세한 위치 정보를 잃게 되고, 디코딩 단계에서도 저차원의 정보만을 이용하기 때문에 위치 정보 손실을 회복하지 못하는 단점이 존재한다.이러한 단점을 극복하기 위해 U-Net은 고차원 정보도 함께 이용하여 이미지의 특징을 추출함과 동시에 정확한 위치 파악을 하기위해 인코딩 단계의 각 레이어에서 얻은 특징을 디코딩 단계의 각 레이어..
U-Net: Convolutional Networks for Biomedical Image Segmentation0. 시작하기에 앞서본 게시물은 아래 참고링크의 게시글을 매우 적극적으로 활용하였으므로, 원 저작자에게 감사의 뜻을 남깁니다. 1. 개념U-Net은 오토인코더(autoencoder)와 같이 데이터의 차원을 축소했다가 다시 확장하는 방식의 모델로, Semantic Segmentation을 수행할 수 있다.그러나 오토인코더는 인코딩 단계에서 차원 축소를 거치면서 이미지 객체에 대한 자세한 위치 정보를 잃게 되고, 디코딩 단계에서도 저차원의 정보만을 이용하기 때문에 위치 정보 손실을 회복하지 못하는 단점이 존재한다.이러한 단점을 극복하기 위해 U-Net은 고차원 정보도 함께 이용하여 이미지의 특징을 추출함과 동시에 정확한 위치 파악을 하기위해 인코딩 단계의 각 레이어에서 얻은 특징을 디코딩 단계의 각 레이어..
2024.09.02 -
1. 스트림 • 순서가 있는 데이터의 연속적인 흐름 1-1. 입출력 관련 클래스 1-2. 파일 처리 • 클래스를 이용하여 처리 • fstream, ifstream, ofstream 클래스 이용 • 사용 방법 • 파일을 다룰 때는 반드시 다음과 같은 순서를 지켜야 함 • 파일 열기 → 파일 읽기 or 쓰기 → 파일 닫기 1-3. 파일 읽기 예제 1-4. 파일 쓰기 예제 1-5. 파일 포맷팅 예제 1-6. 텍스트 파일 • 텍스트 파일은 사람이 읽을 수 있는 텍스트가 들어 있는 파일 • (예) C 프로그램 소스 파일이나 메모장 파일 • 텍스트 파일은 아스키 코드를 이용하여 저장..
(New) C++언어 공부 00111. 스트림 • 순서가 있는 데이터의 연속적인 흐름 1-1. 입출력 관련 클래스 1-2. 파일 처리 • 클래스를 이용하여 처리 • fstream, ifstream, ofstream 클래스 이용 • 사용 방법 • 파일을 다룰 때는 반드시 다음과 같은 순서를 지켜야 함 • 파일 열기 → 파일 읽기 or 쓰기 → 파일 닫기 1-3. 파일 읽기 예제 1-4. 파일 쓰기 예제 1-5. 파일 포맷팅 예제 1-6. 텍스트 파일 • 텍스트 파일은 사람이 읽을 수 있는 텍스트가 들어 있는 파일 • (예) C 프로그램 소스 파일이나 메모장 파일 • 텍스트 파일은 아스키 코드를 이용하여 저장..
2024.08.30 -
1-1. 접근 제어 지정자 1-2. 상속에서의 생성자와 소멸자 • 자식 클래스의 객체가 생성될 때, 부모 클래스의 생성자 또한 호출됨 • 마찬가지로, 자식 클래스의 객체가 소멸될 때, 부모 클래스의 소멸자 또한 호출됨 1-3. 상속의 유형 • 상속 선언 시 public, private, protected의 3가지 중 하나 지정 • 기본 클래스의 멤버의 접근 속성을 어떻게 계승할지 지정 • public : 기본 클래스의 protected, public 멤버를 그대로 계승 • private : 기본 클래스의 protected, public 멤버를 private으로 계승 • protected : 기본 클래스의 protected, ..
(New) C++언어 공부 00101-1. 접근 제어 지정자 1-2. 상속에서의 생성자와 소멸자 • 자식 클래스의 객체가 생성될 때, 부모 클래스의 생성자 또한 호출됨 • 마찬가지로, 자식 클래스의 객체가 소멸될 때, 부모 클래스의 소멸자 또한 호출됨 1-3. 상속의 유형 • 상속 선언 시 public, private, protected의 3가지 중 하나 지정 • 기본 클래스의 멤버의 접근 속성을 어떻게 계승할지 지정 • public : 기본 클래스의 protected, public 멤버를 그대로 계승 • private : 기본 클래스의 protected, public 멤버를 private으로 계승 • protected : 기본 클래스의 protected, ..
2024.08.30 -
1. 프렌드 함수 • 클래스의 멤버 함수가 아닌 외부 함수 • 전역 함수 • 다른 클래스의 멤버 함수 • friend 키워드로 클래스 내에 선언된 함수 • 클래스의 모든 멤버를 접근할 수 있는 권한 부여 • 함수의 정의는 외부에서 수행 • 프렌드 선언의 필요성 : cout • 클래스의 멤버로 선언하기에는 무리가 있고, 클래스의 모든 멤버를 자유롭게 접근할 수 있는 일부 외부 함수 작성 시 1-1. 프렌드 함수 예 2. 연산자 중복 • 함수를 만들어 사용하는 것 보다, 연산자를 사용하여 표현하는 것이 이해하기 쉬움 • 연산자들을 클래스 객체(= 내가 정의한 자료형)에 대해서도 적용하는 것 • 컴파일..
(New) C++언어 공부 00091. 프렌드 함수 • 클래스의 멤버 함수가 아닌 외부 함수 • 전역 함수 • 다른 클래스의 멤버 함수 • friend 키워드로 클래스 내에 선언된 함수 • 클래스의 모든 멤버를 접근할 수 있는 권한 부여 • 함수의 정의는 외부에서 수행 • 프렌드 선언의 필요성 : cout • 클래스의 멤버로 선언하기에는 무리가 있고, 클래스의 모든 멤버를 자유롭게 접근할 수 있는 일부 외부 함수 작성 시 1-1. 프렌드 함수 예 2. 연산자 중복 • 함수를 만들어 사용하는 것 보다, 연산자를 사용하여 표현하는 것이 이해하기 쉬움 • 연산자들을 클래스 객체(= 내가 정의한 자료형)에 대해서도 적용하는 것 • 컴파일..
2024.08.29