2025년, 코딩은 선택이 아닌 필수!

2025년 모든 학교에서 코딩이 시작 됩니다. 먼저 준비하는 사람만이 기술을 선도해 갑니다~

강의자료/머신러닝 32

4.2.1 경사 하강법 복습 및 실습

목표 경사하강법을 정확히 이해하고 파이썬으로 구현하면서 어떻게 동작 되는지 살펴 보자. 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.1 인공지능이란 목표 4차 산업 혁 wondangcom.tistory.com 경사하강법이란 https://wondangcom.tistory.com/2799 참고 Hypothesis and Cost(가설함수 및 비용) Hypothesis 는 다음과 같이 나타낼 수 있음을 지난시간( https://wondang..

4.2.1 단순 선형 회귀(Linear Regression) 복습

목표 선형 회귀에 대해서 개념 정리 Hypothesis Cost Function 에 대한 이해 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.1 인공지능이란 목표 4차 산업 혁 wondangcom.tistory.com 단순선형회귀(Linear Regression)란 여기서 단순선형회귀를 다시 한번 살펴 보고 가겠습니다. 선형 회귀는 y = ax + b 와 같이 선으로 값을 예측하는 모델을 의미합니다. 여기서 y=ax+b 를 다음과 같이 표..

4.1 MNIST

목표분류 모델에서 많이 사용되는 MNIST 데이터를 살펴 본다 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.1 인공지능이란 목표 4차 산업 혁wondangcom.tistory.com 1.MNIST란고등학생과 미국 인구 조사국 직원들이 손으로 쓴 70000개의 작은 숫자 이미지 데이터 이다.- 데이터 살펴 보기import tensorflow as tf# Load the MNIST datasetmnist = tf.keras.datasets.m..

3.4 규제

목표 과대적합과 과소적합의 의미를 이해한다. 다항 회귀에서 처리하는 방법에 대해 살펴 본다. 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.1 인공지능이란 목표 4차 산업 혁 wondangcom.tistory.com 1. 데이터 준비 지난시간(https://wondangcom.tistory.com/2808)에 작업했던 데이터를 가지고 살펴 보겠습니다. import numpy as np import matplotlib.pyplot as pl..

3.3 다항회귀

목표 독립변수의 특성의 차수를 높여서 기계학습 하는 방법을 살펴 보자. 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.1 인공지능이란 목표 4차 산업 혁 wondangcom.tistory.com 1. 다항회귀란? 다항 회귀는 선형 회귀의 확장으로, 고차 다항식을 사용하여 데이터를 모델링하는 방법입니다. 이 모델은 비선형 관계를 표현할 수 있어 다양한 현상을 설명하는 데 유용합니다. 지난시간(https://wondangcom.tistory...

3.2 경사 하강법

https://wondangcom.tistory.com/2769 머신러닝 목차머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.2 머신러닝을 사용하는 이유 (핸wondangcom.tistory.com 1. 경사하강법의 기본 개념1.1 기울기(gradient)란기울기(gradient)는 함수의 변화율을 나타내는 개념이다. 이것은 주로 미분을 통해 구한다.기울기는 다음과 같이 정의 된다.단변수 함수의 기울기:단변수 함수의 경우 기울기는 해당 지점에서의 미분값(도함수)이다. 즉 함수의 x의 변화에 따른 y의 변화율이다.기울기가 양수인 경우, ..

3.1 선형 회귀

목표 선형 회귀 모델이 무엇인지, 기계학습은 어떻게 이루어지는 지 살펴 보자. 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.2 머신러닝을 사용하는 이유 (핸 wondangcom.tistory.com 1. 선형회귀란? 선형회귀는 종속 변수 ( y )와 하나 이상의 독립 변수 ( X )들 간의 관계를 모델링하는 통계적 방법입니다. 이 모델은 변수들 사이의 선형 관계를 찾아내어, 한 변수의 변화가 다른 변수에 어떤 영향을 미치는지를 예측하는 ..

2.1 데이터 다루기 - 데이터 전처리 필요성

목표 데이터를 훈련하기 전에 왜 전처리를 수행해야 하는지 원리를 깨닫는다. 머신러닝 목차 - https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.2 머신러닝을 사용하는 이유 (핸 wondangcom.tistory.com 이번 시간에는 도미와 빙어 데이터를 최근접 이웃 모델로 분류하는 모델을 만들어 본다. 데이터 출처 : https://www.kaggle.com/datasets/vipullrathod/fish-market Fish Market Estimate th..

2.1 데이터 다루기 - 산점도 그려 보기(캐글 데이터셋 남자와 여자 분류)

머신러닝 목차 : https://wondangcom.tistory.com/2769 머신러닝 목차머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.2 머신러닝을 사용하는 이유 (핸wondangcom.tistory.com목표예측 후 산점도를 그려 보고 해당 위치에 예측 결과가 맞는지 살펴 보자. 데이터셋 출처 https://www.kaggle.com/code/raghadaymanalharbi/male-female-determination-knn-logistic-regression/input?select=Test+set.csv Male Fem..

2.1 데이터다루기 - 최근접 이웃 분류

https://wondangcom.tistory.com/2769 머신러닝 목차 머신러닝 1. 머신러닝 소개 1.1 인공지능이란 (혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자. 링크 : https://wondangcom.tistory.com/2771(2024.3.7) 1.2 머신러닝을 사용하는 이유 (핸 wondangcom.tistory.com 목표 실제 데이터를 살펴 본다. 실제 데이터에서 우리가 필요한 데이터를 추출해 낸다. nan 값을 처리하는 방법들을 이해한다. 최근접 이웃에서 과적합 되었을 때 하이퍼파라미터를 이용하여 과적합 방지를 하는 부분을 살펴 본다. 데이터 출처 https://www.kaggle.com/datasets/blastchar/telco-customer..