Soohyun’s Machine-learning

AWS를 가볍게는 알고 있는데, 실제 서비스는 잘 몰라서 서평 리뷰를 남기고 받은 책이다. 책의 목적 AWS가 AI와 관련한 어떤 서비스를 제공하고 있는지를 알려주는 책이다. 인공지능 붐의 배경과 기계학습에 대한 간단한 설명, AWS의 머신러닝 서비스들에 대해서 설명을 해주고 있다. 중간중간 간단한 모델들에 대한 설명도 친절하게 잘 되어 있다. 좋았던 점 - AWS에서 어떤 서비스를 제공하는지, 그리고 그 서비스를 어떻게 활용할 수 있는지를 고민하는 분들이라면 읽어볼만한 책이다. - AWS나 Azure같은 서비스들이 무엇인지 잘 모르는 분들이라면, 읽어보면 아-이런거구나!하고 알 수 있을 것 같다. - 책 전체적인 플로우가 무척 친절해서, 잘 모르는 사람이라도 하나하나 스크린샷을 보고 읽으면서 따라할 수..

https://byeongkijeong.github.io/ARIMA-with-Python/ ARIMA, python으로 하는 Time series analysis (Feat. 비트코인 가격예측) ARIMA (Autoregressive Integrated Moving Average) AR (AutoRegressive, 자기회귀) 이전(t-1) observation의 error term이 이후 observation에 영향을 주는 것. AR(1)일 경우의 공식 X_t = theta * X_(t-1) + epsilon_t I (Integrated, 적분) Integrated MA (Moving Average, 이동평균) observation의 값이 이전의 연속적인 error termn's'의 영향을 받음 MA(..

(컴퓨터 로컬에다가 설치하는 거다) 오라클 Database를 다운 받는다. (아래는 Database Express Edition 11g Release 2 버전)다운받을 때 오라클 로그인을 하라고 뜬다. 계정이 있으면 로긴을 해주고, 없으면 만들어서 로긴하자. 제대로 로그인이 되었다면, 그 창 아래에 그대로 zip파일이 다운로드 되니.. 화면이 바뀌지 않는다고 '읭?? 다운 안되나??' 하지 말 것 https://www.oracle.com/technetwork/database/database-technologies/express-edition/downloads/index.html 오라클 Client를 다운 받는다. (링크 있었는데 까먹음. 아래 리스트에서 잘 찾아볼 것) https://www.oracle...

XGBoost 출처 : https://brunch.co.kr/@snobberys/137 1. 훌륭한 Gradient Boosting library. 병렬 처리를 사용하기에 학습, 분류가 빠름 2. 유연성이 좋다. evaluation function을 포함해서 다양한 커스텀 최적화 옵션을 제공함 3. Greedy-algorithm을 사용해 auto pruning이 가능하다. overfitting이 잘 발생하지 않음 4. 다른 algorithm과 연계 활용성이 좋다. XGBoost classifier 결론부 아래에 다른 algorithm을 붙여서 ensemble learning이 가능하다. Boosting이란? (Boosting or Additive Training) Boosting은 약한 classifie..

기술 스택이란 ? 소프트웨어를 만들기 위해서 사용하는 프로그래밍 언어와 프레임워크와 관련 도구의 일체를 각 분야별로 정의한 걸 의미한다. 모바일 서비스에 필요한 개발 ? ex) "여기서 놀자" (여기요 + 야놀자) - 전국의 모든 모델 정보/사진 기반 제공 - 키워드/위치기반 /가격대나..검색 기능 제공 - 모바일에서 결제하고 포인트 적립 - 개인의 이용 내역이나 검색 내역 등을 기반으로 개인화된 추천 PG : payment gateway front-end + back-end + DB = full stack programmer front-end 개발자 해결해야 하는 문제 : 브라우저 호환 모바일/PC 지원 속도 및 성능최적화 유지보수를 위해 쉽고 유연하게 back-end 개발자 해결해야 하는 문제 : 모..

강사가 2시에 오면 수업을 시작한다 ㄴ 강사가 2시에 왔는데 수업을 안 한다 : Falseㄴ 강사가 아예 오지 않았다 : True (아예 위반할 것이 없으므로 True가 된다.) the set of intergers with squares less than 100 is not a subset of the set of nonnegative integers len(set) = 3 then, 2^3 = 8 (is it set's cardinality) Real numbers 은 대략 이라고 생각하면 된다. dot product 와 matrix multiplication 의 정확한 차이 a = a1, a2, a3, ...b = b1, b2, b3 ... a*b(dot product) 에 대응되는 건 a1*b1 ..

복제하기 start = 'Na ' * 4 + '\n'middle = 'Hey' * 3 + '\n'end = 'Goodbye.' print(start + start + middle + end) slicing [start:end:step] step 만큼 건너뛰면서 start offset 부터 (end - 1) offset까지 sequence 추출 letters = 'abcdefghijklmnopqrstuvwxyz' >>> letters[::7] # 처음부터 끝까지 7 step 씩 건너 뛰면서 문자 추출'ahov' >>>letters[4:20:3] # 4번째부터 19번째까지 3 step 씩 건너 뛰면서 문자 추출'ehknqt' >>>letters[19:4] # 19번째부터 끝까지 4 step 씩 건너 뛰면서 ..

미분기호 라운드와 델타 차이 홀이나 전자가, N 혹은 P 영역으로 가면 recombination 이 일어나면서 줄어들잖아요? 저게 결국 그걸 뜻하는 식인데 델타p 는 N영역에서의 excess minority carrier concentrarion 이고 델타n은 P영역에서의 excess minority carrier concentration 입니다. 참고로 물리전자는 수학보다는 물리학이나 공학 페이지에 올리는게 나을거에요. ==그리스문자== 대문자 소문자 Α α →알파(ALPHA) Β β →베타(BETA) Γ γ →감마(GAMMA) Δ δ →델타(DELTA) Ε ε →입실론(EPSILON) : 소문자는 유전율의 기호로 쓰인다.전속밀도(D)=유전율(ε)x전장세기(E)인데 이를 "드라마 에로스입술" 로 외우면..

regularization : kind of loss function softmax classifier = multinomial logistic regression probability distribution : 확률 분포analytic gradient :regularization strength: multivariate chain rule?zero element wise? diagonal : contributing : Jacobian matrix? holistic : subtle : twitch : tweak : convex hull: brittle : scalable : hand-specify : ingest : spit : concise : backwards : afford : perspective..

신경망의 기본은 매우 간단하다. 답을 찾고, 그 답이 맞는지를 확인한 다음, 맞으면 ㅇㅋ 아니면 '아냐 이거 아니야'라면서 다시 값을 조절한다. 하지만 이 세 단계를 이해하기까지 오랜 시간이 걸렸고, 세부적인 것들을 더 이해하려면 더 오랜 시간이 필요할 것 같다. 기본 공식 : y = x * Weight (가중치) + bias (편향) 이것만으로는 linear 하기 때문에 non-linearity를 주기 위해 activation function을 쓴다. (다만 이 activation function이 어떤식으로 non-linearity를 주는지는 모르겠다) Machine learning 공식이 linear가 되면 안되는 이유 = 똑같은 행동을 하면서 다른 결과를 기대하는 건 미친짓이다 - 아인슈타인그럼 ..

- 머신러닝 학습 모델의 특성상, 모델을 그래프로 정의하고, 세션을 만들어서 그래프로 실행하고, 세션이 실행될 때 그래프에 동적으로 값을 넣어가면서(피딩, feeding) 실행한다는 기본 개념을 잘 이해해야 텐서플로 프로그래밍을 제대로 잘 할 수 있다. - 사이즈가 window size인 이유 : 주변 단어를 몇 개를 "본다"는 뜻이기 때문에. window 크기로 슬라이딩하면서 스크린하며 중심 단어들로 주변 단어들을 보고 각 단어에 해당하는 벡터들의 요소값들을 조금씩 업데이트하면서 단어를 벡터로 임베딩 - 아타리 퐁 게임을 어떻게 학습시키는지를 알려주는 카파시(Karpathy - yup! cs231n의 그 사람!) http://karpathy.github.io/2016/05/31/rl/ http://ka..

각종 자료들이 많은 곳 : http://www.whydsp.org/284 (모두의 연구소 출처, 특히 fundamental 한 이해를 도울 수 있는 영문 자료들) ※ 기반 언어는 Python / OS는 Windows 10 (Docker) 텐서플로우 - Tensorflowhttps://www.tensorflow.org/api_docs/python/ 텐서플로 한글 문서 - Tensorflow krhttps://www.gitbook.com/book/tensorflowkorea/tensorflow-kr/details 텐서플로우 튜토리얼 깃허브https://github.com/golbin/TensorFlow-Tutorials 파이토치 - Pytorchhttp://pytorch.org/docs/master/ 넘파이..

feedforward NN으로 해보자 (굳이 신경망이 아니라 feedforward NN이라고 쓰는 이유는, 신경망에 backpropagation 형태도 있기 때문) 먼저 x 라는 값이 있다. 그리고 y라는 label (일종의 정답지)이 있다. 그리고 Weight (가중치)이 있으며, bias (편향)이 있다. 이 x라는 매트릭스 (array, 벡터, 행렬.. 어떤 형태든지간에 일단은 floating point든 integer든 숫자들의 집합)가 Weight과 곱해진다. weight 값을 그럼 어떻게 줘야 하느냐. 그냥 numpy의 random.randn / random.uniform / random.normal 등을 써서 랜덤한 값을 줄 수도 있고..tensorflow를 써도 numpy와 비슷하게 해서 ..

해당 가상 환경은 파이썬 3.5에서 했다. (activate tf) 1. 비주얼 스튜디오 2015를 설치한다. CUDA가 GTX 1050을 인식 못하는 문제가 있으나, 이 부분은 그냥 무시하고 지나가도 상관없는 듯 하다. 몇 번을 깔아도 CUDA가 비주얼 스튜디오를 인식을 못하길래, 결국 해외 사이트를 구글링. CUDA 8.0 버전은 비주얼 스튜디오 2015를 지원한다고 해서 그걸로 깔았더니 그제서야 드디어!! CUDA가 인식하고 넘어갔다. 2. cDNN 도 설치. 3. 아나콘다를 설치할 때, PATH 등록 체크를 반드시 해주고 깐다. not recommended 이지만 GPU로 돌리려고 하면 필요한 작업인 듯 하다. 그리고 아나콘다 프롬프트로 conda install을 통해 가상 환경 작업이랑, num..