수빈's Farm

Linear Classifier Linear Classifier : 직선으로 class를 구분하려는 것이다. image가 input으로 들어오면 Linera Classifier이라는 함수에서 input image인 x값과 가중치 값인 weigths에 따라, output으로서 class가 구분될 것이다. 위 예시에서 구분하고자 하는 class가 3개이므로 output은 3차원의 벡터로 표현될 것이다. Linear, Quadratic, Cubic 식에서 x앞에 붙어있는 값들이 weights이다. 이는 learnable한 상태이다. 이전에 다뤘던 regression은 실수 하나의 값으로 output이 나왔지만, 여기에서는 class 개수만큼 score가 나온다. 목표는 weights를 조정함으로써 정답인 cl..

Model Parameters VS Hyperparameters Model parameters VS Hyperparameters (Learnable) Model parameters 컴퓨터 내부에서 모델이 스스로 학습하며 바꿔가는 key 숫자 ex) 가중치(weight)와 편향(bias) (User-defined) Hyperparameters 사람이 정해줘야 하는 parameter ex) 학습률(learning rate), 에포크(epoch) 수, 배치 크기(batch size) model parameters가 되는 weight는 학습하면서 update가 될 수 있기 때문에 learnable하다고 볼 수 있다. Linear Regression : Supervised learning은 regression과 ..

Data Preprocessing Image Classification 새로운 데이터에서 대해서도 올바른 결과가 나올 때까지 모델에 대해 튜닝과 같은 과정을 반복해야한다. Data Preprocessing : 전처리 과정은 모델의 성능을 향상 시키기 위해 필요하다. 전처리에 대해 예시로 알아보자. - ex1 위 classification 예시에서 빨간색 class인지 파란색 class인지 구분하는 과정을 거치기 전에 원점으로 옮겨주는 작업을 먼저 한다. 위와 같이 데이터를 원점으로 가져오는 과정을 normalization이라고 한다. -ex2 zero-centered data : original data에서 x값들의 평균과 y값들의 평균을 각각 빼주면 data가 원점으로 이동하게 된다. normalize..

Supervised leanring Supervised Learning vs Unsupervised Learning Supervised leanring VS Unsupervised Learning Supervised Learning : data기반으로 학습을 할 때, 학습 과정에서 이미지 하나하나에 대응되는 레이블을 학습에 사용하는 것을 Supervised Learning이라 한다. 예로 Regression과 Classfication이 있다. Unsupervised Learning : label없이 sample만을 가지고 학습을 하며 주어진 데이터들을 가지고 특징(경향성)을 찾아보라 하는 것을 Unsupervised learning이라 한다. 예로 Clustering(정보를 기반으로 비슷한 애들끼리 군집..

Machine Learning Machine Learning (ML) : AI의 부분집합 중 하나가 Machine Leaning이다. Machine learning 내에는 deep learning이라는 또 하나의 분야가 있다. Data-Driven Approaches 일반 프로그래밍은 if,else문 등을 사용하여 명시적으로 표현한다. 하지만, Machine learning은 명시적인 프로그래밍이 아니라, 데이터 기반으로 컴퓨터를 지능있게 만드는 것이다. 여기서 지능이란, general한 지능보다는 어떠한 문제를 풀기위한 추론 능력이라 볼 수 있다. data 수집 이후 데이터를 크게 두개로 나눌 수 있다. (=split) 데이터는 전체의 70프로 정도는 training data에 쓰이고 나머지 30은 t..

03-3 for문 for문의 기본 구조 in 다음에 오는 리스트, 튜플, 문자열의 첫번째 요소부터 마지막 요소까지 차례대로 변수에 대입하여 for문 내에 있는 문장들이 수행한다. for문 사용 예시 - 튜플 요소를 가진 리스트 / print하며 튜플 요소 이용 연산 - number 증가하며 for문 돌리기 # marks1.py marks = [90, 25, 67, 45, 80] number = 0 for mark in marks: #mark라는 변수에 리스트 안에 있는 값들이 하나씩 순서대로 들어감 number = number + 1 #number가 1씩 증가되며 번호 부여됨 if mark >= 60: print("%d번 학생은 합격입니다." % number) else: print("%d번 학생은 불합격..

While문 while문의 기본 구조 조건문이 참인 동안 while문 아래 문장들이 계속 수행된다. while문 만들기 prompt라는 변수에 큰따옴표 3번을 써서 줄바꾸기를 가능하게 하여 문자열을 작성하였다. number = 0 #번호를 입력받을 변수 while nubmer != 4 : print (prompt) number = int(input())​ 위와 같이 코드를 작성하면 사용자가 4를 입력하기 전까지 while문이 반복된다. 사용자가 4를 입력하면, 조건문이 거짓이 되어 while문을 빠져나올 수 있게 된다. whiel문 강제로 빠져나가기 (break) 커피 자판기로 예시 코드를 작성해보았다. while의 조건문은 계속 true이지만 coffee가 다 떨어져 break 문이 실행된 이후 whi..

03-1 if문 if문 : 조건을 판단한 후. 해당 조건에 맞는 상황을 수행하는데 쓰인다. if문의 기본 구조 -들여쓰기 : 파이썬에서는 들여쓰기가 문법이 되므로 if문에서 들여쓰기를 지켜야 하나 vs code에서 작성하면 자동으로 해주니 vs code에서의 작성을 추천한다. 조건문 종류 기본 비교 연산자 and , or , not 비교 연산자 c에서는 &나 |를 사용했었지만 파이썬에서는 그 의미를 직접적을 and,or와 같이 사용할 수 있다. in / not in 비교문 in이나 not in으로 리스트나 튜플, 문자열 안에 해당 요소가 있는지 없는지 참 거짓을 판별해주는 비교문이 가능하다. in을 썼을 때에는 해당 자료형 객체 안에 그 값이 있으면 참이 되고, not in을 썼을 때에는 말 그대로 없어..

02-8 자료형의 값을 저장하는 공간, 변수 변수 변수를 만들 때에는 =(assignment)기호를 사용한다. C나 Java에서는 변수의 자료형을 직접 지정해야하지만, 파이썬은 변수에 저장된 값을 스스로 판단하여 자료형을 저장한다. 객체의 주소를 가리키는 변수 파이썬에서 사용하는 변수는 객체를 가리키는 것이라 할 수 있다. 위 코드는 [1,2,3] 값을 가지는 리스트 객체가 메모리에 생성되고 변수 a는 리스트가 저장된 메모리의 주소를 가리킨다. id함수를 사용하면 변수가 가리키는 메모리의 주소를 알 수 있다. 따라서 위 코드에서 리스트 [1,2,3] 이 들어있는 메모리의 주소는 4303....인 것이다.' id함수는 변수가 가리키고 있는 객체의 주소값을 돌려주는 파이썬 내장 함수이다. 리스트 주소값 복사..

02-7 불 자료형 불 자료형 : 불 (bool) 자료형이란 참과 거짓을 나타내는 자료형이다. 불 자료형은 아래 2가지 값만을 가질 수 있다. 첫 글자는 반드시 대문자로 사용해야 한다. 여기서 True와 False는 문자열 자료형이 아닌 불 자료형의 값으로 사용된 것이므로 따옴푤로 필요로 하지 않는다. ==,>,