IT 공부

실데이터(Real Data)를 이용한 Linear Regression 저번 시간에는 합성 데이터를 이용한 Linear Regression 예시를 알아봤는데 오늘은 실데이터를 이용한 Linear Regression 예시를 알아보겠다. 머신러닝에 필요한 라이브러리 가져오기(import) + 데이터 출력 조건 설정 import pandas as pd #pandas는 데이터 분류/네이밍을 위한 라이브러리.import tensorflow as tf #tensorflow는 딥러닝을 하는데 사용하는 라이브러리.from matplotlib import pyplot as plt #matplotlib는 데이터로 그래프를 그리는데 사용되는 라이브러리.pd.options.display.max_rows = 10 #출력 시 최대 10줄까지 가능pd.options.display.float_format = “{:.1f}”.format #데이터를 소수점 한자리까지 가능하도록 설정 csv파일에 있는 … Read more

합성 데이터(Synthetic Data)를 이용한 Linear Regression(*합성데이터 = 실제 데이터가 아닌 컴퓨터가 만든 데이터) 머신러닝에 사용할 라이브러리 가져오기(import) import pandas as pd #pandas는 데이터 분류/네이밍을 위한 라이브러리.import tensorflow as tf #tensorflow는 딥러닝을 하는데 사용하는 라이브러리.from matplotlib import pyplot as plt #matplotlib는 데이터로 그래프를 그리는데 사용되는 라이브러리. 데이터를 학습시킬 모델 만들기 def build_model(my_learning_rate): #학습할 모델을 만드는 functionmodel = tf.keras.models.Sequential() #Sequential한 빈 모델을 만듦model.add(tf.keras.layers.Dense(units=1,input_shape=(1,))) #모델에 하나의 뉴런을 가진 hidden layer 형성model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=my_learning_rate),loss=”mean_squared_error”,metrics=[tf.keras.metrics.RootMeanSquaredError()]) #모델의 학습방식 설정return model #학습한 모델 가져옴 <Keypoint> … Read more

어제 초,중급용 머신러닝 로드맵을 알아보고 지금은 Google Colaboratory나 Jupyter에서 기초적인 머신 러닝을 연마해야한다고 생각하지만 오늘은 그냥 좀 가볍게 코드 안 쓰고 공부하고 싶어서(ㅎㅎㅎㅎ) 구글 머신러닝 crash course 웹사이트에서 개념 정리를 해보려고 한다. 그럼 개념 정리 시작~! 주요 머신러닝 용어 머신러닝에 이용되는 Linear Regression Linear Regression은 보통 y = ax + b의 형태를 띄지만 머신러닝에서는 y’ … Read more

머신러닝이 뭔지 조금씩 알기시작하면서 본격적으로 배우고 싶어서 커리큘럼을 짜볼까 하다가 2022 머신러닝 로드맵이 어떻게 되는지 궁금해서 유튜브에 쳐봤는데 이 영상을 발견했다!! 2시간 37분짜리 영상이어서 굉장히 자세히 머신러닝을 어떻게 공부해야되는지 알려줄 거 같아서 나의 경우에 커리큘럼을 어떻게 짜야할지 좀 insight를 여기서 얻을 생각이다. 그리고 영상 들으면서 내가 잘 몰랐던 부분도 이 글에 좀 적어보겠다(글 마지막에 첨부함). … Read more