머신러닝

안녕하세요 늑대양입니다 :) 오늘은 3기 선배님들의 프로젝트 발표가 있는 것으로 알고 있습니다 🤓 [AI 데이터 사이언티스트 취업 완성 과정]의 47일차 일과를 정리하여 안내해드리도록 하겠습니다. Day 47 시간표: 머신러닝 실전(과제) 선택학습 머신러닝 실전(과제) 퓨처스킬 사이트의 아래 두 가지 과제 수행 머신러닝 기초 개념 머신러닝 기초 프로젝트 퓨처스킬 메인 URL: https://futureskill.io/ 퓨처스킬 매일 함께 성장하는 커뮤니티 futureskill.io 긴 글 읽어주셔서 감사합니다 😄

안녕하세요 늑대양입니다 :) 오늘부터 본격적으로 ML 학습을 진행합니다!! 🥸 [AI 데이터 사이언티스트 취업 완성 과정]의 44일차 일과를 정리하여 안내해드리도록 하겠습니다. Day 44 시간표: 머신러닝 입문 머신러닝 입문 (실강) Day 44 온라인 학습 범위: 14강 예상 학습 시간: 4:24:58 대주제(Part) 중주제(Chapter) Part.4 머신러닝 with Python CH01_01. 머신러닝의 정의 Part.4 머신러닝 with Python CH01_02. Data Split Part.4 머신러닝 with Python CH01_03. training Part.4 머신러닝 with Python CH01_04. inference Part.4 머신러닝 with Python CH01_05...

안녕하세요 늑대양입니다 :) 오늘은 [AI 데이터 사이언티스트 취업 완성 과정]의 첫째 날 일과를 정리하여 안내해드리도록 하겠습니다. 교육을 받는 장소는 신분당선 4번 출구에 위치한 미왕빌딩 11층 C 강의실 입니다. 강의를 받는 곳은 쾌적하며, 자리에 따로 컴퓨터는 배치되어 있지 않습니다. 위 사진처럼 출석 체크는 QR 코드를 사용하여 진행합니다. 0. Contents: 01. 과정 소개 02. 슬기로운 MGS 생활 03. 행정문의 04. DS란? 05. 아이스브레이킹 & Quiz Time 06. AI 특강 15:00 부터 출석 체크 후, 본격적으로 OT가 진행되었습니다. 1. K-digital training 코스 및 패스트캠퍼스 소개: 1. HRD-NET(K-digital training) 수료기준..

# 골든래빗 출판사로부터 책을 제공받아 작성했습니다. 안녕하세요. 늑대양입니다. 골든래빗 출판사에서 진행하는 북 스포일러 이벤트에 운좋게 당첨되어 책을 리뷰하는 기회를 얻게되었습니다. 책 제목은 《데싸노트의 실전에서 통하는 머신러닝》 이며, 활동 기간은 9월 15일(목)까지 입니다. 블로그에 카테고리(데싸노트의 실전에서 통하는 머신러닝)를 신설하여, 책을 읽으며 학습한 내용을 기록할 예정이며, 1독 후 서평을 남기고자 합니다. 책은 전자책 형태로 전달 받았으며, 리디북스 어플리케이션 기준 464p 분량입니다. 그러면 한 달동안 감사히 읽도록 하겠습니다. 감사합니다 :)

# page 79 ~ 86 두 번째 머신러닝 프로그램: 이전에 만든 훈련 세트와 테스트 세트로 k-최근접 이웃 모델을 훈련시켜 봅시다. fit() 메서드를 실행할 때마다 KNeighborsClassifier 클래스의 객체는 이전에 학습한 모든 것을 잃어버립니다. 이전 모델을 그대로 두고 싶다면 KNeighborsClassifier 클래스 객체를 새로 만들어야 합니다. kn = kn.fit(train_input, train_target) kn.score(test_input, test_target) # 출력 결과물 1.0 100%의 정혹도로 테스트 세트에 있는 생성 확인 가능! predict() 메서드로 테스트 세트의 예측 결과와 실제 타깃 비교: kn.predict(test_input) # 출력 결과물 a..

# 읽고 있는 도서의 p120 ~ 127 내용 참고 및 인용 데이터 사이언티스트: 방대한양의 데이터에 다양한 분석 기법을 적용함으로써 가치 있는 인사이트를 찾아내고 제공합니다. 회사의 현재 상황을 정량적이고 과학적인 방법으로 분석 머신러닝 등의 기법으로 미래의 상황을 예측 데이터 사이언티스트의 업무: 1. 포뮬레이션: 포뮬레이션(Formulation)은 해결하고자하는 비즈니스 문제를 데이터 분석 문제로 바꾸는 과정 비즈니스 문제에 따라 분석의 목표, 사용 기법, 필요한 데이터가 완전히 달라짐 보유한 데이터에서 통계치를 내거나 여러 종류의 데이터 간 관계를 파악하기 위해 회귀분석 등의 기법을 적용 머신러닝 또는 딥러닝 기반의 예측 모델을 활용 2. 전처리, EDA 데이터 분석 문제를 세웠다면 다음 작업은 ..

# page 73 ~ 78 넘파이: "넘파이(numpy)는 파이썬의 대표적인 배열(array) 라이브러리입니다. 파이썬의 리스트로 2차원 리스트를 표현할 수 있지만 고차원 리스트를 표현하려면 매우 번거롭습니다. 넘파이는 고차원의 배열을 손쉽게 만들고 조작할 수 있는 간편한 도구를 많이 제공합니다. 차원(dimension)이란 말은 조금씩 다른 의미로 쓰일 수 있습니다. 배열에서 차원은 좌표계의 축과 같습니다. 1차원 배열은 선, 2차원 배열은 면, 3차원 배열은 공간을 나타냅니다. 보통의 xy 좌표계와는 달리 시작점이 왼쪽 아래가 아니고 왼쪽 위에서부터 시작합니다. "먼저 넘파이 라이브러리를 임포트합니다." "넘파이 array() 함수에 파이썬 리스트를 전달하면 끝입니다." import numpy as ..

# page 65 ~ 73 Chapter 02. 데이터 다루기: 핵심 키워드: 지도 학습 비지도 학습 훈련 세트 테스트 세트 지도 학습과 비지도 학습: "머신러닝 알고리즘은 크게 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)으로 나눌 수 있습니다." "지도 학습에서는 데이터와 정답을 입력(input)과 타깃(target)이라고 하고, 이 둘을 합쳐 훈련 데이터(training data)라고 부릅니다." "그리고 앞서 언급했듯이 입력으로 사용된 길이와 무게를 특성(feature)이라고 합니다." "지도 학습은 정답(타깃)이 있으니 알고리즘이 정답을 맞히는 것을 학습합니다." "반면 비지도 학습 알고리즘은 타깃 없이 입력 데이터만 사용합니다." "머신..