분류 전체보기
-
Multi-variable Linear RegressionMachine learning, Deep learning 2020. 7. 3. 21:08
여러개 변수를 사용하는 다변수 선형 회귀 하나의 변수에서 하나의 결과값을 가지는건, '단순선형회귀' 여러가지 변수를 고려 -> 다변수 선형 회귀 변수가 하나일 떄, Hypothesis를 구하는 법 변수가 여러 개일 떄, Hypothesis를 구하는 법 만약, 변수들이 너무 많다? 그러면 다음과 같은걸 고려해볼 수 있다. Matrix를 고려한다. x매트릭스를 w매트릭스로 뭔가를 구해주는 방식으로 변한다. Tensorflow로 구현 # data and label x1 = [73., 93., 89., 96., 73.] x2 = [80., 88., 91., 98., 66.] x3 = [75., 93., 90., 100., 70.] Y = [152., 185., 180., 196., 142.] # weights ..
-
Linear Regression and How to minimize costMachine learning, Deep learning 2020. 7. 3. 02:15
예측값(가설) - 실제값 의 제곱을 평균낸 값 -> Cost 이를 파이썬으로 구현 import numpy as np X = np.array([1,2,3]) Y = np.array([1,2,3]) def cost_func(W,X,Y): c = 0 for i in range(len(X)): c += (W * X[i] - Y[i]) **2 return c/len(X) for feed_W in np.linspace(-3, 5, num = 15): curr_cost = cost_func(feed_W, X, Y) print("{:6.3f} | {:10.5f}".format(feed_W, curr_cost)) 결과: 이를 Tensorflow로 구현을 해보면? import tensorflow as tf X = np.a..
-
Lecture4_Backpropagation and Neural NetworksMachine learning, Deep learning 2020. 7. 2. 20:03
자 이제, 본격적으로 Neural Network내용으로 들어가기 전에 기본적인 BACKPROPAGATION 등에 대해서 배웠다. 참고는 스탠포드의 CS231n 강의를 참고했다. 하... 이제 진도나가고 공부하다보면 겁내 빡시겠지??? 나 경영대생이었는데.... 이거 보고 있어... 재밌다:) 이쪽 세계 발 들인 이상 빠져나가지는 못할거 같아 참고로 데이터라는 분야가 듣기 좋고, 주변에서 하는 분이 있는데 멋져보여서 하려는 분들은 잠시 생각할 시간을 갖길 바랍니다. 공부할 양이 진짜 진짜 많고, 책도 많이 읽어야 하는 등 투자를 많이 해야하는 분야인거 같습니다!!! 자기 적성과 맞는지 여부를 판단함에 있어서, 단순히 밝은 미래? 멋져보이는 직무? 등등 외관적인 면을 보기 전에, 직접 혼자서 공부를 하며 자..
-
Simple Linear Regression(단순선형회귀)Machine learning, Deep learning 2020. 6. 29. 21:53
Build a hypothesis and cost x_data = [1,2,3,4,5] y_data = [1,2,3,4,5] W = tf.variable(2.9) b = tf.variable(0.5) # hypothesis = W * x + b hypothesis = W * x_data + b cost = tf.reduce_mean(tf.square(hypothesis - y_data)) # 제곱의 평균 # tf.reduce_mean -> 차원이 줄어들면서 평균을 구한다 # tf.square -> 제곱 cost를 최소화하는 W,b를 찾는 minimizaiton 알고리즘들 중 gradient(경사, 기울기) descent(하강)가 유명하다. "경사 내려가면서 cost가 작은 지점 찾자잉" # Learnin..
-
-
CS231n_Lecture3_Loss Function and OptimizationMachine learning, Deep learning 2020. 6. 28. 21:33
회사에서 머신러닝/딥러닝 스터디에 합류를 자청했다. 뭔가 데이터를 공부한다고 해서 이쪽 분야에 대한 공부의 필요성을 느꼈기 때문이다. 앞으로 매주 들은 강의와 수업 내용을 간략하게 정리해서 업데이트 해보려 한다. 다만, 나중에 내가 복습을 할 때, 정말 짧고 간략하게 쓰면서 쉽고 빠르게 내용을 복기하는데 도움이 되는 방향으로 글을 적으려 한다. 다른 기본 코딩은 깃허브를 활용하려 한다. 데이터 파이프라인 설계와 같은 쪽도 공부를 고려 중인데, 너무 급할 일은 아니기 때문에 텐서플로우 자격증 취득과 클라우드 자격증 취득 후 시작하지 않을까 싶다. 2강 복습 컴퓨터가 이미지 인식에는 카메라가 어떤 각도에 있냐, 조면, 변형, 은폐/은닉, 배경과의 구별 모호, 클래스 내의 variation의 장애물이 있다. ..
-
미래의 동영상 서비스에 대한 기획서 작성데이터 분석 공부 2020. 6. 10. 17:43
최근 유튜브, 틱톡, 인스타그램 등 다양한 플랫폼에서의 동영상 콘텐츠들이 대세를 이루고 있다. 심지어 기존의 B2C쇼핑몰(이커머스)가 기업단위로 움직였다면, 최근 틱톡과 같은 플랫폼을 통해 '개인'이 콘텐츠의 생산자와 소비자 양극의 역할을 할 수 있게 되면서, 숏폼 형태의 동영상 커머스 시장이 뜨려 한다. 이러한 시대에 과연 기업은 어떤 서비스를 기획하고 만들어낼까를 고민해봤다. 지금 다니고 있는 카카오에서도 카카오 TV라는 서비스가 있는데, 이게, 뭔가 수익성, 화제성 등 모든 면에서 다른 플랫폼들과 비교해도 경쟁력이 부족하다. 경쟁력이 있었으면 진작 떳겠지!!!!!!! 어떤 고객층의 니즈를 위해 서비스를 하는지가 없다. 그래서 틱톡에서 개인이 물건을 팔고자 하는 소비자, 유튜브에서는 수익 실현이 개인..
-
<Python> 2020_06_05 코드 정리데이터 분석 공부 2020. 6. 5. 20:11
retail['InvoiceDate'] = pd.to_datetime(retail['InvoiceDate'], infer_datetime_format=True) retail.info() plot = rev_by_countries.plot(kind='bar', color=COLORS[-1], figsize=(20, 10)) plot.set_xlabel('Country', fontsize=11) plot.set_ylabel('Revenue', fontsize=11) plot.set_title('Revenue by Country', fontsize=13) plot.set_xticklabels(labels=rev_by_countries.index, rotation=45) def extract_month(date..