유민

1. 기본 라이브러리 # 코드실행시 경고 메시지 무시import warningswarnings.filterwarnings(action='ignore')!pip install seabornimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inline  2. 데이터로딩부터 데이터 확인#데이터 로딩df = pd.read_csv('data.csv')#앞 5개 확인, 뒤 5개 확인df.head()df.tail()#데이터프레임 정보(컬럼정보, Null 여부, 타입) 출력하기df.info()#인덱스 확인df.index#컬럼 확인df.columns#값(value) 확인df.values#통계치 확인df.describe()#NULL 값 확인df.isnull(..

먼저, Roboflow에서 사용할저, Roboflow 유니버스에서 사용할 주제를 선택한후, 주피터 코드로 다운로드 한다 #라이브러리 설치!pip install roboflowfrom roboflow import Roboflow#다운받은 주피터 코드이다 yolov11버전을 선택해서 다운받았다rf = Roboflow(api_key="")project = rf.workspace("mohamed-traore-2ekkp").project("face-detection-mik1i")version = project.version(24)dataset = version.download("yolov11")#모델링 라이브러리 설치!pip install ultralytics##############################..

!pip install roboflowfrom roboflow import Roboflow############################################### API key는 유저마다 다른 것이 정상!!rf = Roboflow(api_key="")#############################################project = rf.workspace("azami-youssef").project("test_project-3cocv")version = project.version(2)dataset = version.download("yolov11")!pip install ultralytics####################################### 10/30 기준..

코랩을 사용해서 나만의 챗봇을 만들어보겟다#구글 드라이브 연결from google.colab import drivedrive.mount('/content/drive')#라이브러리 설치(항상 설치해야함)!pip install -r /content/drive/MyDrive/langchain/requirements.txtimport pandas as pdimport numpy as npimport osimport sqlite3from datetime import datetimeimport openaifrom langchain.chat_models import ChatOpenAIfrom langchain.schema import HumanMessage, SystemMessage, Documentfrom lang..

오늘은 챗 지피티의 api를 활용해서 언어 모델을 사용해보겟다 일단 챗 지피티의 api key가 필요하다. 냅다 코드보기 import pandas as pdimport numpy as npimport osimport openaifrom openai import OpenAIapi_key = ' 발급받은 api key 'os.environ['OPENAI_API_KEY'] = api_keyopenai.api_key = os.getenv('OPENAI_API_KEY')#채팅을 위한 함수 생성def ask_chatgpt1(question): # api key 지정 client = OpenAI() # # API를 사용하여 'gpt-3.5-turbo' 모델로부터 응답을 생성합니다. respons..

딥러닝 CNN 알고리즘이란?  CNN의 컨셉은?인간의 시각처리 과정에서 영감을 받아 설계되었고, 패턴인식에 뛰어난 성능을 보인다. 원리를 고양이 분류로 들어보자면,고양이의 특정 부분을 잘 캐치해 내는 필터 제작귀 부분을 찾으면 숫자가 커지고, 귀가 없으면 숫자가 0에 가까워짐.이동왼쪽 위 끝에서부터 오른쪽으로 몇 칸씩 이동하며 '귀'를 탐색.오른쪽 끝까지 이동한 후 왼쪽으로 돌아가 아래로 몇 칸 이동하여 다시 오른쪽으로 이동하는 과정을 반복.CNN 컨셉 - 모델 학습CNN 학습의 목적고양이를 잘 인식할 수 있는 여러 개의 필터를 만드는 것.귀, 눈 등 우리가 이해하는 고유한 특징을 정확히 학습하는 것이 아닌, 고양이를 탐지하는 데 필요한 최적의 특징을 학습함.학습된 필터는 특정 특징을 추출하는 역할을 하..

딥러닝 성능관리란?  모델의 정확도를 높이고, 학습 및 추론 시간을 최적화하며, 과적합을 방지하는 등의 전반적인 모델 성능을 개선하는 과정이다 1. 데이터 품질 개선데이터 전처리: 잘못된 레이블이나 노이즈가 있는 데이터를 걸러내거나 교정하여 데이터 품질을 높입니다.데이터 증강(Data Augmentation): 이미지 회전, 자르기, 색상 변화 등 데이터를 다양하게 변형하여 데이터셋의 크기를 증가시키고 과적합(overfitting)을 방지합니다.2. 모델 구조 최적화적절한 모델 아키텍처 선택: 문제 유형에 맞는 아키텍처(예: CNN, RNN, Transformer)를 선택하여 성능을 최적화합니다.하이퍼파라미터 튜닝: 학습률, 배치 크기, 층의 수, 뉴런의 수 등 하이퍼파라미터를 조정하여 모델 성능을 향상..

아자아자열살열살 딥러닝의 히든 레이어란?딥러닝에서 히든 레이어는 입력과 출력사이에 위치한 층으로, 모델이 복잡한 패턴과 관계를 학습할 수 있도록 돕는 역할을 한다. 히든 레이어의 역할입력층(Input Layer)으로 들어온 데이터를 여러 단계에 걸쳐 가공하고 **특징(feature)**을 추출하는 역할을 한다.각 히든 레이어는 이전 레이어로부터 정보를 받아 가공한 후, 다음 레이어로 전달한다.네트워크가 깊어질수록 더 복잡한 패턴을 학습할 수 있으며, 이를 통해 더욱 정확한 예측을 수행한다. 활성화 함수  **활성화 함수(Activation Function)**는 딥러닝 모델의 **뉴런(노드)**이 얼마나 활성화(작동)될지 결정하는 수학적 함수예요. 입력 값을 조정해 다음 층으로 보낼 출력 값을 결정하는 ..

딥러닝인공 신경망을 기반으로 하는 기계 학습의 한 분야로, 컴퓨터가 사람처럼 학습하고 추론하도록 하는 기술이다.주로 방대한 양의 데이터와 복잡한 모델을 활용해 패턴을 찾고 예측하는 데 사용된다.딥러닝의 핵심은 계층적인 신경망 구조로, 데이터를 여러 층을 통해 처리하며 점점 더 복잡한 특징을 학습한다~ 딥러닝의 원리딥러닝은 인간의 뇌가 정보를 처리하는 방식을 흉내낸 인공 신경망으로 세 가지 층으로 구성된다. 1. 입력층데이터(이미지, 텍스트, 음성 등)가 처음 입력되는 층 2. 은닉층입력 데이터를 여러 번 처리하여 점점 더 복잡한 특징을 추출함.층이 깊을수록(많을수록) 더 복잡한 패턴을 학습 3. 출력층최종 결과를 출력  그렇다면 머신러닝과의 차이점은? 항목머신러닝딥러닝특징 추출사람이 직접 정의모델이 자동..

1. K-Nearest Neighbors (KNN)KNN은 가까운 이웃들을 기반으로 예측을 수행합니다.주요 하이퍼파라미터:n_neighbors: 이웃의 개수 (기본값 = 5)weights: 거리 가중치 (uniform 또는 distance)p: 거리 계산 방식 (1 = 맨해튼 거리, 2 = 유클리드 거리)from sklearn.linear_model import LogisticRegressionlr = LogisticRegression(C=0.1, solver='lbfgs', max_iter=500)2. Decision Tree (의사결정 나무)데이터를 조건문으로 분류하는 알고리즘입니다.주요 하이퍼파라미터:max_depth: 트리의 최대 깊이 (과적합 방지)min_samples_split: 내부 노드를 ..