강의자료 240

[딥러닝실습] 이미지 분류(CNN) I-이미지 데이터 이해하기

CNN이란 CNN 은 Convolution Neural Network의 약자로 이미지를 인식하는 분류기입니다. CNN의 구조는 다음과 같습니다. 위의 이미지는 32*32의 이미지 데이터를 LeNet 모델로 처리하는 이미지입니다. 1) C1 레이어 : 32*32 이미지를 6개의 5*5 필터와 컨볼루션 연산을 이용해 6장의 28*28 특징맵을 만듭니다. 2) S2 레이어 : 6장의 28 * 28 특성 맵에 대해 서브샘플링을 진행한다. 결과적으로 28 * 28 사이즈의 특성맵이 14*14 사이즈의 특성맵으로 축소된다. 2*2 필터를 stride2로 설정해서 서브샘플링해주기 때문이다. 사용하는 서브샘플링 방법은 평균풀링(average pooling) 이다. 3) C3 레이어 : 6장의 14*14 특성맵에 6개의..

강의자료/머신러닝 2022.08.19 (3)

[아두이노]3.아두이노 디지털 핀 사용하기

1. 아두이노 디지털 신호 입출력 아두이노 우노 보드는 0번부터 13번까지 총 14개의 디지털 핀을 통해 디지털 신호를 출력하거나 입력 받을 수 있습니다. 여기서 디지털 신호란 0(LOW) 또는 1(HIGH) 두가지 신호로 구분됩니다. 2. 아두이노로 LED제어하기 아두이노로 디지털핀을 활용하여 LED를 제어하는 방법을 실습해 보도록 하겠습니다. 1. 회로연결 LED의 짧은 핀은 GND 에 연결 하고 8번 디지털 핀을 + 에 연결하는데 중간에 저항값 220옴 짜리를 하나 추가 하자. 여기서 저항을 세로의 형태를 가로로 눕히는 방법은 R을 누르면 회전을 한다. 2. 다음과 같이 코딩을 하자. // C++ code // void setup() { pinMode(8, OUTPUT); } void loop() ..

[딥러닝실습] pandas와 tensorflow를 이용한 보스턴 집값 예측

오늘은 딥러닝 실습시 가장 많이 사용하는 사이킷런에서 제공하는 보스턴 집값을 이용하여 예측하는 모델을 만들어 보도록 하겠습니다. 실습과정 지도학습의 실습과정은 다음과 같습니다. 1. 과거의 데이터를 준비합니다.(과거의 데이터에서 원인과 결과 즉 독립변수와 종속변수를 찾아 냅니다.) 2. 모델의 구조를 만듭니다. (레모네이드 판매량이 온도에 따라 달라지는데 이때 온도를 독립변수, 판매량을 종속변수로 하는 모델을 만들어 봅니다.) 3. 데이터로 모델을 학습합니다. 4. 모델을 이용합니다. 실습 도구 https://colab.research.google.com/ 실습은 코랩을 이용해서 진행하겠습니다. 과거 데이터 준비 #보스턴 주택 데이터셋 from sklearn import datasets 보스턴 = dat..

강의자료/머신러닝 2022.08.12 (11)

[인공지능수학] 표준편차

표준편차를 알기 전에 평균,기댓값,분산 의 의미를 먼저 이해 합니다. 1. 기댓값 기댓값(expected value)는 '나올 것이라고 예상하는 값' 입니다. x가 확률변수이고 P(x)인 사건이 벌어질 때, 예상할 수 있는 결과값이 기댓값입니다. 이것은 어떤 확률적 사건에 대한 평균의 의미로 생각할 수 있습니다. 이 것을 공식으로 다음과 같이 표현 합니다. 예를 들어 1~6까지 있는 주사위를 던졌을 때 나오는 기댓값은 다음과 같습니다. 1이 나올 확률 1/6 2가 나올 확률 1/6 3이 나올 확률 1/6 4가 나올 확률 1/6 5가 나올 확률 1/6 6이 나올 확률 1/6 따라서 E[x]=1*1/6 + 2 * 1/6 + 3*1/6 + 4*1/6 + 5*1/6 + 6 *1/6 = 3.5 가 됩니다. 2. ..

[딥러닝실습] 히든레이어 생성 실습

2021.12.03 - [강의실/머신러닝] - 01-5. 퍼셉트론이란? 01-5. 퍼셉트론이란? 인공지능의 역사를 보면 1950년대 퍼셉트론을 제시 후 이 이론을 바탕으로 1960년대 제1전성기를 맞이하게 되는데요~ 이 퍼셉트론은 향후 다층 퍼셉트론으로 다시 돌아 오면서 제2전성기를 맞이 wondangcom.com 퍼셉트론에서 단층퍼셉트론이 진화를 해서 다층퍼셉트론이 나오게 되는데요~ 여러개의 은닉층을 두어 다층퍼셉트론을 만들었다고 확인을 했습니다. 오늘은 여러개의 은닉층을 만드는 방법에 대해 살펴 보도록 하겠습니다. 보스턴 집값을 예측하는 모델의 구성은 다음과 같은 형태를 가지고 있었습니다. 13개의 독립변수를 가지고 하나의 종속변수를 만드는 단층레이어 모델로 실습을 진행했습니다. 이것을 위와 같은 다..

강의자료/머신러닝 2022.08.05 (13)

[알고리즘]A*(a스타) 알고리즘

A* 알고리즘이란 A* 알고리즘은 주로 게임에서 플레이어를 목표 지점으로 이동 시킬때 사용하는 알고리즘이다. 클릭시 해당 객체가 클릭한 위치로 이동한다. 위의 데모는 클릭한 위치로 오크가 이동하는 것인데 데모에서는 A* 알고리즘이 사용되지는 않았습니다. 오크가 있는 위치에서 클릭한 위치까지 장애물이 없기 때문에 그냥 클릭한 위치를 바라보고 직진으로 이동하기만 하면 되거든요. 하지만 대부분의 게임에서는 장애물이 있고 장애물을 만나면 피해서 가야 되고 또한 목표물까지 최단거리로 찾아 가야 합니다. 이러한 최단거리 알고리즘은 BFS 와 다익스트라 알고리즘과 같은 그래프 알고리즘이 존재 합니다. BFS는 길을 가는 경로에 가중치가 없는 경로를 찾아 갈 때 유용하지만 즉 A 도시에서 B와 C가 연결 되었는데 B와..

강의자료/알고리즘 2022.07.14 (8)

[딥러닝실습] pandas와 tensorflow를 이용한 아이리스 품종 분류

오늘은 아이리스의 품종을 분류하는 분류 모델을 만드는 방법을 실습해 보겠습니다. 실습과정 지도학습의 실습과정은 다음과 같습니다. 1. 과거의 데이터를 준비합니다.(과거의 데이터에서 원인과 결과 즉 독립변수와 종속변수를 찾아 냅니다.) 2. 모델의 구조를 만듭니다. 3. 데이터로 모델을 학습합니다. 4. 모델을 이용합니다. 실습 도구 https://colab.research.google.com/ 실습은 코랩을 이용해서 진행하겠습니다. 과거 데이터 준비 ########################### # 라이브러리 사용 import tensorflow as tf import pandas as pd from sklearn import datasets ########################### # 1...

강의자료/머신러닝 2022.07.12 (5)

[인공지능수학] 상관계수

다음의 데이터를 참고하여 월 매출과 관련이 깊은 지표를 찾아 봅니다. 데이터 종류 1월 2월 3월 4월 5월 6월 평균 매출 2500 4000 2000 5500 3500 4500 3670 상품구입비 2000 1500 3000 1000 1500 1500 1750 광고비 200 100 400 300 200 200 233 조회수 180 270 160 620 320 390 323 결제수 10000 20000 8000 40000 2800 30000 22700 체류시간 69 88 68 180 120 77 100 위의 데이터를 가지고 어떤 데이터가 다른 데이터와 관련이 깊은지 상관관계를 찾아 봅니다. 상관관계는 공분산을 구해보면 알 수 있습니다. 여기서 공분산이 무엇인지 살펴 보겠습니다. 공분산은 공+분산의 의미인데..

[정보올림피아드대비]10. 약수,배수,최대공약수,최소공배수를 이용한 문제

1. 약수와 배수 a,b,c 는 자연수 이고 b ≠ 0 , a ÷ b = c , 즉 자연수 a 나누기 b 는 c 이고 나머지는 없다면 a를 b의 배수 라고 하고 b는 a의 약수라고 합니다. 예) 15 ÷ 3 = 5 에서 15는 3의 배수이고 3은 15의 약수입니다. 2. 소수와 합성수 한 수가 1과 그 수 자체를 제외하고 다른 약수가 없을때 그 수를 소수라고 합니다. 한 수가 1과 그 수 자체를 제외하고 다른 약수가 있을때 그 수를 합성수라고 합니다. ※ 단, 1은 소수도 합성수도 아닙니다. 3. 소수와 소인수 분해 만약 한 소수가 어떤 수의 약수이면 이 소수를 어떤 수의 소인수라고 합니다. 어떤 합성수를 소인수들의 곱으로 표시했을 때 이것을 소인수분해라고 합니다. 예) 30을 소인수 분해 하면 2 * ..

[딥러닝실습] pandas와 tensorflow를 이용한 레모네이드 판매량 예측

실습과정 지도학습의 실습과정은 다음과 같습니다. 1. 과거의 데이터를 준비합니다.(과거의 데이터에서 원인과 결과 즉 독립변수와 종속변수를 찾아 냅니다.) 2. 모델의 구조를 만듭니다. (레모네이드 판매량이 온도에 따라 달라지는데 이때 온도를 독립변수, 판매량을 종속변수로 하는 모델을 만들어 봅니다.) 3. 데이터로 모델을 학습합니다. 4. 모델을 이용합니다. 실습 도구 https://colab.research.google.com/ 실습은 코랩을 이용해서 진행하겠습니다. 과거 데이터 준비 ########################### # 라이브러리 사용 import pandas as pd ########################### # 파일로부터 데이터 읽어오기 파일경로 = 'https://raw..

강의자료/머신러닝 2022.06.23 (6)