Development Project

01 퍼셉트론(Perceptron) 단층 퍼셉트론 초기 형태의 인공 신경망으로 다수의 입력으로부터 하나의 결과를 내보내는 알고리즘 입력층과 출력층만 존재 각 입력값이 가중치와 곱해져 인공뉴런에 보내지고, 각 입력값과 그에 해당되는 가중치 곱의 전체 합이 임계치(threshold)를 넘으면 종착지에 있는 인공뉴런은 출력 신호로서 1을 출력하고 아니라면 0을 출력함 퍼셉트론은 선형 분류기로써 데이터 분류 가능함 다층 퍼셉트론 (Multi Layer Perceptron, MLP) 단층 퍼셉트론을 여러 개 쌓은 것 입력층과 출력층 사이의 모든 Layer를 Hidden Layer라 하는데, 히든층이 많아진다면 Deep Learning이라 함 최종 출력값과 실제값의 오차가 최소화되도록 가중치와 바이어스를 계산하여 ..

00 인공지능/머신러닝 개론 도입 BIG DATA를 다루기 위한 방법으로 IoT, 클라우드, 머신러닝 기술 등이 있음 머신러닝 개념 기존 통계학 및 시각화 방법의 한계를 해결함 명시적으로 프로그래밍을 하지 않고도 컴퓨터가 학습할 수 있는 능력을 갖게 하는 것 머신러닝 학습방법 지도학습 (입력과 결과를 이용) => 데이터가 무엇인지 알려주고(예시를 줌) 맞추라고 함 회귀분석, 분류 존재 비지도 학습 (입력만을 이용) 군집화, 압축 존재 강화학습 (결과값 대신 보상이 주어짐) Action Selection, Policy Learning 01 자료 형태의 이해 자료형태 구분 수치형 자료 (Numerical data) 개념 양적 자료 (Quantitative data) 수치로 측정이 가능한 자료 수치형 자료를 ..

01 파이썬의 여러가지 모듈과 패키지 ㆍ 모듈 특정 목적을 가진 함수와 자료의 모임 (외부의 라이브러리) 모듈 선언 기본 import 모듈이름#모듈이름 == 내가 만든 or 누군가 만든 파일이름 원하는 이름으로 불러오기 import 모듈이름 as 원하는이름 선언 후 모듈안의 메서드 사용 모듈이름.모듈에 존재하는 메서드( ) 내가 만든 모듈( .py 파일 ) #여기는 main.py 파일내부! import cal#내가 만든 cal.py파일 불러오기 cal.plus(3, 4)#cal.py안의 메서드 plus를 가져와 연산 ㆍ 패키지 모듈을 폴더로 구분하여 관리 ( 한 모듈만 ) 기본 import 패키지이름.모듈이름 #모듈이름.모듈에 존재하는 메서드( ) ( 한 모듈만 ) 원하는 이름으로 불러오기 import ..

01 파이썬 활용을 위한 기초적인 재료 ㆍ 입력 『 input( ) 』 => ex) 「 받을 문자 형식( input("문장")) 」 하나 num = int(input("숫자 입력 : "))#int없이(형변환없이) 받아오면 문자열 print(num) 여러 한 변수에 전체저장 리스트 num = input("숫자 입력 : ").split()#숫자 입력 : 3 4 5 print(num)#['3', '4', '5'] 문자열 b = input("국어, 영어, 수학 : ")#국어, 영어, 수학 : 80 85 70 print(b)#80 85 70 print(type(b))# 각 변수에 따로저장 split( 구분할 문자 ) a, b, c = input("숫자 입력 : ").split()#숫자 입력 : 3 4 5 prin..