디자인 패턴디자인 패턴: 소프트웨어 공학의 소프트웨어 설계에서 공통으로 발생하는 문제에 대해 자주 쓰이는 설계 방법을 정리한 패턴즉, 여러가지 기존의 설계 사례를 통해 비슷한 문제를 해결하기 위한 설계로 분류하고 유형별로 가장 적합한 설계를 일반화하여 패턴으로 정립GoF 의 디자인 패턴은 목적에 따라 생성, 구조 , 행위 패턴으로 분류 생성 패턴: 객체의 생성과 참조 과정을 추상화 하여 특정 객체의 생성과정을 분리한다.Factory method : 객체 생성을 직접 하지 않고 하위 클래스에 위임Singleton : 프로세스가 실행중일때 오직 하나의 객체만 생성된다Builder : 복잡한 객체의 생성 과정을 단순화하고, 객체를 단계적으로 생성하며 구성하는 패턴 구조 패턴 : 클래스나 객체의 구성으로 더 큰..

5장 딥러닝과 텐서플로이 장에서는 직접 구현하는 내용이 많다.나는 역시나 블로그에는 개념적인 부분만 정리해보고자한다1980년대 깊은 신경망: 구조적으로는 다층 퍼셉트론에 은닉층을 많이 두면 그것이 깊은 신경망→ 그레이디언트 소멸문제, 적은 데이터셋, 과다한 계산 시간 등의 이유로 학습이 잘 안됨.딥러닝의 기술 혁신 요인값 싼 GPU의 등장커진 데이터 셋의 크기학습을 효과적으로 할 수 있는 알고리즘의 등장텐서란? 딥러닝에서 다차원의 배열을 텐서라고 부름데이터를 텐서로 표현하고, 신경망의 가중치를 텐서로 표현한다.텐서의 구조1차원 : iris 샘플 하나2차원: iris 샘플 여러개, 명암 영상 한 장3차원: 명암 영상 여러 장, 컬러 영상 한장4차원: 컬러 영상 여러 장, 컬러 동영상 여러 장5차원: 컬러 ..

아래 서술하는 자료는 유튜브 위니버스 님의 영상을 참고하여 작성하였습니다.https://www.youtube.com/watch?v=Y4ecU7NkiEIhttps://www.youtube.com/watch?v=me--WQKQQAo이진 분류: 두가지중 하나로 분류 ex) 스팸 메일 필터링, 고객 이탈 예측, 클릭률 예측, 암진단다중 클래스 분류(다항 분류) : 두개 이상의 클래스 존재 ex) 필기체 인식다중 레이블 분류: n개의 이진 분류 문제로 변환하고, 각각의 이진 분류 문제를 개별 이진 분류기로 처리나이브 베이즈 : 확률적 분류기나이브: 예측하려고 하는 특징이 상호 독립적이라는 가정하에 확률계산 단순화베이즈: 베이즈 정리를 기반으로 어떤 클래스에 관해 관찰한 입력 특징의 조건부 확률을 관찰한 특징이 어..

본인은 19학번 경기도 소재 학교 소프트웨어학과를 6번째 학기를 재학중인 평범한 학부생이다. 이번학기가 끝나면 1년 후에 졸업 예정이다. 학교에서 시키는 것만 열심히 하면 어떻게 될까, 나의 미래를 생각해보고 나의 넋두리와 결심을 적어보고자 한다.  위는 내 저번학기 성적표다. 이런 점수를 내가 살면서 받아 볼 수 있을까 싶을 정도로 열심히 치열하게 공부했다.물론 4.5점이라 수석 장학금도 받았었다. 근데 내가 이 글을 적는 이유는 아마 나와 비슷한 환경의 학부생들의 상황은 대부분 나와 비슷할 것 같다. "학교에서 하라는 것만 열심히 하면 되지" 하면서 정말 시키는 것만 열심히 하려고 한다. 막상 중간고사때 배운것들을 우리는 복습을 하고 있는가? 아니다 나와 같은 상황이나 환경이라면, 절대 넘어간 페이지..

4장 신경망 기초퍼셉트론: 단순 모델로써 기계학습의 용어와 원리를 설명하는데 적합하다.구조: 입력층과 출력층으로 구성 -> 입력층은 d+1개로 구성, 출력 층은 하나의 노드로 구성 Q.퍼셉트론의 연산과정에 대해 서술하시오.입력층의 i번째 노드는 Xi와 Wi를 곱하여 출력노드로 전달한다.이때 0번째 노드인 X0은 항상 1이다 (바이어스 노드)출력 노드는 d+1 개의 곱셈 결과를 모두 더하여 s를 계산하고, 활성 함수를 적용한다.+Q-1 퍼셉트론의 연산과정에 대해 서술하고, 이때 사용하는 활성 함수란 무엇인지 서술하시오.+ 활성함수란 두뇌가 뉴런을 활성화하는 과정을 모방한 것인데, 퍼셉트론은 활성 함수를 계단 함수를 이용하여 s의 값이 0보다 크면 1을 출력하고 그렇지 않은 경우에는 -1을 출력한다. 따라서..

3장 기계 학습과 인식훈련집합 VS 테스트 집합훈련집합: 기계 학습 모델을 학습하는데 쓰는 데이터로서 특징 벡터와 레이블 정보를 모두 제공테스트 집합: 학습을 마친 모델의 성능을 측정하는데 쓰는 데이터로서 예측할 때는 특징 벡터 정보만 제공하고, 예측 결과를 가지고 정확률을 측정할 때 레이블 정보를 사용 규칙기반 방법 VS 기계학습 방법 VS 딥러닝 방법규칙기반: 분류하는 규칙을 사람이 구현 -> 큰 데이터셋에서는 적용 불가, 데이터가 바뀌면 처음부터 작업해야함기계학습: 특정 벡터를 추출하고, 레이블을 붙이는 과정은 규칙 기반과 동일, 수작업 특징, 규칙 만드는 일을 기계학습 모델이 자동으로 수행.딥러닝: 레이블을 붙이는 과정은 기계 학습과 동일 -> 특징 벡터를 학습이 자동으로 알아냄-> 이것을 특징 ..

2장 파이썬으로 시작하는 인공지능클라우드 방식 VS 스탠드얼론 방식클라우드 방식: 프로그램과 데이터가 서버에 저장되고 관리 됨.(코랩)장점: 인터넷 연결만 있으면 언제 어디서든 로그인하여 바로 코딩 가능단점: 자신의 프로젝트에 맞는 최적의 환경 생성에 대한 한계점 존재 스탠드 얼론 방식: 프로그램과 데이터를 자신의 컴퓨터에 직접 저장장점: 자신만의 최적의 환경 세팅 가능단점: 소프트웨어 설치부터 자신의 개발환경을 모두 본인이 설정해야함 고급 언어로 작성한 소스를 기계어로 번역하여 실행하는 방식 컴파일러 VS 인터프리터 컴파일러: 프로그램 전체를 번역한 다음에 한꺼번에 실행실행이 빠르다, C나 C++ 등 인터프리터: 한 줄씩 번역하고 실행하는 일을 순차적으로 진행하고, 일부 코드만 선택하여 실행 가능 ex..

오랜만입니다. 저번학기 야심차게 다짐하며 블로그를 살려야지 살려야지 하다가 결국 꾸준함에 두손 두발 다 들게되었네요. 뭔가를 정리해서 누군가에게 정보를 준다는게 분명 좋은 의도인것 같지만, 그것에 대한 자료를 준비하고, 수정하면서 글을 꾸준히 올린다는게 참 어려운 일인 것 같습니다. 그래서 블로그의 방향성을 내가 읽게 쉽게 정리하고, 이 글을 읽는 사람도 혹시나 도움이 된다면 봤으면 좋겠다는 마음으로 운영해보고자 합니다 (ㅎㅎㅈㅅ..) 이번 인공지능 공부는 오일석 교수님 저 파이썬으로 만드는 인공지능이란 책을 통해 공부했고,블로그에 글을 정리하는 방식은 코드보단 개념 내용을 중심으로 정리하고자 합니다. 제가 직접 공부하며 적은 내용이기 때문에 분명 틀린 것도 많을 것이라 생각 되지만, 읽어보시고 도움 되..

혼자 풀이하다보니 틀린 답일 수도 있습니다. 틀린 답에 대한 매콤한 회초리 대신 따스한 피드백 주시면 감사드리겠습니다 :) 1. 데이터와 정보에 대한 설명으로 가장 적합한 것은?답 : 1. 정보는 데이터를 처리해서 얻을 수 있는 결과이다 2. 파일 처리 방식과 비교하여 데이터베이스 관리 시스템을 활용할 때의 장단점에 대한 설명으로 옳지 않은 것은?답: 4. 데이터간의 복잡한 관계로 인하여 표준화가 어렵다 3. 다음 보기가 설명하는 것은?- 관계형 데이터 베이스안에 테이블들은 서로 연결해줄 수 있는 공통의 속성을 공유한다. 이때 테이블 속성간에 같은 데이터가 여러번 나타날 수 있는데 이를 설명하는 용어이다.- 데이터 중복이 허용되는 경우의  대부분은 테이블 간의 연결이나 성능 향상을 위해 필요한 경우로 한..