아무것도 모르는 공대생의 지식 탐험기

사실, “인공지능”이 대세라고 하고, 파이썬을 조금 아주 조금 접해본 상태였던 저는 인공지능을 공부해보려고 마음을 먹었지만 아주 막막했었습니다 하지만, 혼공머신 책을 알게되고, 혼자 공부해보면서 너무 두려워할 것은 아니구나라는 생각이 들었습니다 지금 생각해보면, 책 자체도 내용도 충실하고, 세세해서 겁 먹었던게 싸악 사라졌던게 저의 인공지능 입문에 가장 큰 도움이 되었던 것 같습니다 그렇다고 책을 완벽히 마스터한 것은 아니였지만, 이번 혼공단을 참여하게 되면서 6주동안 꾸준히 공부할 수 있도록 이끌어주셔서 감사했고, 저도 이번 기회를 발판 삼아 더 큰 미래를 꿈꾸는 사람이 될 수 있었던 것 같습니다 저는 아직은 많이 부족하지만 이번 혼공머신에서 쌓은 지식을 발판으로 지금에 멈추지 않고 노력해서 더 나은 ..

[ 회고 🫶🍀 ]6주차를 달려오면서, 아직 나는 많이 부족한 사람이라는 걸 깨달았습니다 …! 그렇지만 쉽게 포기는 하지 않을 것이라는 생각도 동시에 들었습니다 ! 그리고 이렇게 좋은 활동을 할 수 있게 만들어주신 한빛미디어 분들과 6주차까지 달려올 수 있도록 많은 도움과 관심을 주신 혼공족장님에게도 감사인사를 전합니다 ! 그동안 정말 감사했습니다 🙇‍♀️ 저는 이번 혼공머신에서 쌓은 지식을 발판으로 더 나은 사람이 될 수 있도록 노력하겠습니다 🍀 [ 기본 미션 🍀 ]Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기 1. 어떤 인공 신경망의 입력 특성이 100개 이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개 인가요? 정답 ③ 1,010개-> 100 (입력 특성)..

[기본 미션 ]k-평균 알고리즘 작동 방식 설명하기 1) 무작위로 k개의 클러스터 중심을 설정한다 2) 각 샘플에서 가장 가까운 클러스터 중심을 찾아 해당 클러스터의 샘플로 지정한다 3)클러스터에 속한 샘플의 평균 등의 연산을 통해 중심을 재정의한다 4) 클러스터 중심에 변화가 없을 때까지 2번으로 돌아가서 반복한다. [선택 미션]Ch.06(06-3) 확인 문제 풀고, 풀이 과정 정리하기 Q1. 특성이 20개인 대량의 데이터셋이 있습니다. 이 데이터셋에서 찾을 수 있는 주성분 개수는 몇개일까요? ① 10개, ② 20개, ③ 50개, ④ 100개 A1. ② 20개, 일반적으로 데이터 셋에서 주성분은 특성의 개수만큼 찾을 수 있기 때문이다. Q2. 샘플 개수가 1000개이고 특성 개수가 100개인 데이터셋이..

1. 로지스틱 회귀로 와인 분류하기먼저, 와인 데이터를 불러오자import pandas as pdwine = pd.read_csv('')wine.head()  alcoholsugarpHclass09.41.93.510.019.82.63.200.029.82.33.260.039.81.93.160.049.41.93.510.0만약, 데이터를 잘 불러왔다면, 처음 열 3개에는 각각 알콜의 도수, 당도, ph 값을 나타낸다.네번째 열은 타깃값으로 0이면 레드와인, 1이면 화이트 와인이다. 레드와 화이트 와인 중 어떤 것인지 구분하는 이진 분류 문제이며, 화이트 와인이 양성 클래스이다.즉, 전체 와인에서 화이트 와인이 어떤 것인지 골라내는 문제이다.wine.info()#아래는 결과#RangeIndex: 6497 ent..

안녕하세요 ! 오늘은 혼공머신 3주차 chapter 4로 돌아왔습니다 !  로지스틱 회귀 로지스틱 회귀로지스틱 회귀는 이름은 회귀이지만, 분류 모델이 분류 알고리즘은 선형 회귀와 동일하게 선형 방정식을 학습𝑧 = 𝑎 ∗ (𝑊𝑒𝑖𝑔ℎ𝑡) + 𝑏 ∗ (𝐿𝑒𝑛𝑔𝑡ℎ) + 𝑐 ∗(𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙) + 𝑑 ∗ (𝐻𝑒𝑖𝑔ℎ𝑡) + 𝑒 ∗ (𝑊𝑖𝑑𝑡ℎ) + 𝑓 확률 처리를 위한 0~1(또는 0~100%) 사이 값으로 만들기 위해 시그모이드 함수 (Sigmoid function) (또는 로지스틱 함수 logistic function)을 사용 ( 즉, 시그모이드 함수 : 선형 방정식의 출력을 0과 1 사이의 값으로 압축한다. ) 더보기 𝑧 = 𝑎 ∗ (𝑊..

안녕하세요 ! 오늘은 혼공머신 2주차 회귀 알고리즘과 규제에 대해서 알아보겠습니다 !  지도 학습 알고리즘- 분류 (Classification) : 샘플을 몇 개의 클래스 중 하나로 구별하는 문제- 회귀(Regression) : 기존 데이터 X가 주어졌을 때, 적절한 Y를 예측하는 알고리즘 k-최근접 이웃 분류 알고리즘 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한다샘플들의 클래스를 살펴보고, 다수의 클래스를 새로운 클래스로 예측한다k-최근접 이웃 회귀 ( K-Nearest Neighbor Regression )예측하고자 하는 샘플에 가장 가까운 샘플 k개 선택 (여기서 말하는 이웃 샘플의 타깃은 클래스가 아닌 임의의 수치이웃 샘플의 수치를 확인한다수치들의 평균을 구하고, 새로운 샘플의 타깃을 예측한..