본문 바로가기

Project45

[Euron 중급 세션 2주차] 3. 파이썬과 벡터화 3. 파이썬과 벡터화 📌벡터화(C1W2L11) 핵심어: 벡터화(Vectorization) 벡터화란 코드에서 for문을 없애주는 기술. 실제 딥러닝에서 큰 데이터셋을 학습시킬 때가 많은데, 이때 코드가 빠르게 실행되는 것이 중요함. 따라서 벡터화할 수 있는 능력은 매우 중요한 기술임. 로지스틱 회귀에서는 z=w^T+b를 계산해야 했음. (w, x는 모두 R^(n_x)의 차원을 가진 열벡터) 벡터화 되지 않은 구현일 때에는 w^Tx를 구하기 위해 z=0과 i가 1부터 n_x까지일 때, z+=w[i]*x[i]를 하고 마지막에 z+=b를 해줌(원래 로지스틱 회귀에서의 계산). 이는 벡터화되지 안고 구현이 느림. 반면 벡터화된 구현은 w^Tx를 직접 계산함. 파이썬이나 NumPy에서 명령어는 np.dot(w,x).. 2023. 9. 18.
백엔드 프로젝트 3주차 (SQL 첫걸음) - 1장 데이터베이스와 SQL 🎯데이터베이스 데이터베이스: 데이터란 컴퓨터 안에 기록되어 있는 숫자를 의미하는데, 이러한 데이터의 집합을 데이터베이스라 함. 넓은 의미: 컴퓨터 안에 기록된 모든 것 일반적으로 통용되는 데이터베이스: 특정 데이터를 확인하고 싶을 때 간단하게 찾아낼 수 있도록 정리된 형태 데이터 베이스 내의 데이터는 영구적으로 보존되어야 함 주기억장치에만 데이터를 저장하면 영구적이지 못함, 따라서 데이터베이스의 데이터는 하드디스크나 플래시메모리(SSD) 등 비휘발성 저장장치에 저장함. 시스템 내의 데이터베이스 이전까지는 데이터베이스를 일반적으로 데이터센터의 서버에서 운용했으나, 현재는 데이터베이스가 개인용 컴퓨터나 휴대용 기기(전화번호 등)에 내장되어 있기도 함. 한편 데이터센터에 설치된 데이터베이.. 2023. 9. 17.
[Euron 중급 세션 1주차] 2. 신경망과 로지스틱 회귀 2. 신경망과 로지스틱 회귀 📌이진 분류(C1W2L01) 핵심어: 이진 분류(Binary Classification), 로지스틱 분류(Logistic Classification) 로지스틱 회귀: 이진 분류를 위한 알고리즘 예를 들어 고양이 사진이라고 판단하면 1을, 고양이 사진이 아니라고 판단하면 0을 출력하는 고양이 인식기를 생성한다고 가정했을때, y로 출력 레이블을 표시함. RGB 세 개의 행렬로 나누어 저장하며, 세 개의 64x64 행렬들 사진의 빨간 초록 파란색 픽셀 강도 값을 나타냄. 해당 픽셀 강도 값들을 특성 벡터로 바꾸려면, 모든 픽셀값을 입력될 특성 벡터 x의 한 열로 나열할 것임. 픽셀 값을 하나의 벡터로 펼치기 위해 주어진 사진에 대한 특성 벡터 x를 다음과 같이 정의함. 픽셀값 전부.. 2023. 9. 11.
[Euron 중급 세션 1주차] 1. 딥러닝 소개 1. 딥러닝 소개 📌환영합니다!(C1W1L01) 인공지능은 새로운 전기⚡ 오래 전 전기는 무수한 산업적 변화를 일으킴(운송, 제조업, 보건, 의사소통 등) 인공지능은 오래 전의 전기와 마찬가지로, 우리 사회에 매우 큰 영향을 미칠 것으로 예상됨. 이에 따라 딥러닝은 과학 기술 사회에서 가장 필요한 능력 중 하나가 되었음. 배울 내용 첫 번째 코스: 신경망과 딥러닝의 기초(고양이 인식 실습) 두 번째 코스: 딥러닝의 실제적인 면(신경망 실제 작동, 하이퍼파라미터 튜닝, 규제 등) 세 번째 코스: 머신러닝 프로젝트 설계 방식 네 번째 코스: CNN(합성곱 신경망) >> 주로 이미지에 적용 다섯 번째 코스: 자연어 처리, 시퀀스 모델, 순환 신경망(RNN) 📌신경망이란 무엇인가?(C1W1L02) 핵심 키워드:.. 2023. 9. 11.

티스토리툴바