728x90
๋ฐ˜์‘ํ˜•

์ „์ฒด ๊ธ€ 80

[211216] ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋ฅผ ์œ„ํ•œ ๊นŠ์ด ์šฐ์„  ํƒ์ƒ‰, ๋„ˆ๋น„ ์šฐ์„  ํƒ์ƒ‰ ( DFS & BFS )

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. '์ด๊ฒƒ์ด ์ทจ์—…์„ ์œ„ํ•œ ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋‹ค with ํŒŒ์ด์ฌ' ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. for๋ฌธ ์“ธ ๋•Œ ๋ฌด์กฐ๊ฑด for i in range() ๊ฐ€์ง€ ๋ง๊ณ  ๋ฆฌ์ŠคํŠธ ๊ทธ๋Œ€๋กœ iteration ํ• ๊นŒ๋„ ๊ณ ๋ คํ•˜์ž. if l[i] == 0 or 1 ์œผ๋กœ ์กฐ๊ฑด๋ฌธ ๊ฑธ๋ฉด False or True๋กœ ์ธ์‹ํ•ด์„œ ๋‹ค ์ฐธ์œผ๋กœ ๊ฐ„๋‹ค.(๊ทธ๋Ÿฐ๋“ฏ?) ใ…ฃ = [] ํ˜•ํƒœ๋กœ ๋ฆฌ์ŠคํŠธ ์ดˆ๊ธฐํ™” ํ›„ for๋ฌธ์— l[i] ์ธ๋ฑ์‹ฑํ•˜๋ฉด out of index ๋‚˜์˜จ๋‹ค. ๋ฆฌ์ŠคํŠธ sorting ํ•  ๋•Œ l = l.sort() ํ•˜๋ฉด ๊ฐ’ ์—†์–ด์ง„๋‹ค. ๊ทธ๋ƒฅ l.sort() ์จ๋ผ. ๋ฆฌ์ŠคํŠธ ํฌ๊ธฐ๋ฅผ size(l)๋กœ ๊ตฌํ•  ์ˆ˜ ์—†๋‹ค. len(l)๋กœ ๊ตฌํ•ด๋ผ. ๊ทธ๋ž˜ํ”„ ๋ชจ๋ธ๋ง ํ•  ๋•Œ๋Š” ๋…ธ๋“œ ์ธ๋ฑ์‹ฑ๊ณผ ๋งž..

[ ํŒŒ์ด์ฌ์„ ํŒŒ์ด์ฌ๋‹ต๊ฒŒ ] Iterable ๋‹ค๋ฃจ๊ธฐ ( list, str, tuple, dictionary )

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. programmers 'ํŒŒ์ด์ฌ์„ ํŒŒ์ด์ฌ๋‹ต๊ฒŒ' ๊ฐ•์˜๋ฅผ ๋ฐ”ํƒ•์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ์™€ ์ด๊ฑด ์ •๋ง ๋‚ด๊ฐ€ ๋งŽ์ด ํ–ˆ์—ˆ๋˜ ๊ณ ๋ฏผ์ด๋‹ค. ์ด์ฝ”ํ…Œ ๊ฒŒ์‹œ๋ฌผ์„ ์ž‘์„ฑํ•˜๋ฉด์„œ list_1 = list_1.sort() ๋ฅผ ์ผ๋‹ค๊ฐ€ None ํƒ€์ž…์˜ ๊ฐ์ฒด๋ฅผ ๋ฐ›์•„ ๋‹นํ™ฉํ–ˆ๋˜ ๊ฒŒ ์ƒ์ƒํ•˜๋‹ค. sorted๋ฅผ ํ™œ์šฉํ•˜์ž !! 2์ฐจ์› list ์ดˆ๊ธฐํ™”ํ•˜๋Š” ๋ฐฉ๋ฒ• ๋ถ„๋ช… ์•„๋ž˜ ๊ฒŒ์‹œ๊ธ€์—์„œ ์ •๋ฆฌํ–ˆ๋Š”๋ฐ ๋ณต์Šต ์•ˆํ•˜๋‹ˆ ์žŠ๋Š”๋‹ค.. https://hae-koos.tistory.com/23 [211201] ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋ฅผ ์œ„ํ•œ ํŒŒ์ด์ฌ ๋ฌธ๋ฒ• 1ํŽธ (Python Basic) ๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „์„ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ์ €์„œ '์ด๊ฒƒ์ด ์ทจ์—…์„ ์œ„ํ•œ ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ..

[ ํŒŒ์ด์ฌ์„ ํŒŒ์ด์ฌ๋‹ต๊ฒŒ ] ์ •์ˆ˜ ๋‹ค๋ฃจ๊ธฐ, Str ๋‹ค๋ฃจ๊ธฐ

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. programmers 'ํŒŒ์ด์ฌ์„ ํŒŒ์ด์ฌ๋‹ต๊ฒŒ' ๊ฐ•์˜๋ฅผ ๋ฐ”ํƒ•์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋Œ€๋œธ ๋ฌธ์ œ๋กœ ์ถœ๋ฐœํ•œ๋‹ค. ์ˆซ์ž์™€ ํ•ด๋‹น ์ˆซ์ž๊ฐ€ ์–ด๋–ค ์ง„๋ฒ•์œผ๋กœ ํ‘œ๊ธฐ๋˜์—ˆ๋Š” ์ง€ ์•Œ๋ ค์ค€๋‹ค. ๊ทธ๋ฆฌ๊ณ  ์ด๋ฅผ 10์ง„๋ฒ• ์ˆซ์ž๋กœ ์ถœ๋ ฅํ•˜๋Š” ๊ฒƒ์ด ๋ฌธ์ œ๋‹ค. ๋น„์Šทํ•œ ๋ฌธ์ œ๋ฅผ ๋ณธ ๊ฒƒ ๊ฐ™๊ธฐ๋„ ํ•œ๋ฐ ์šฐ์„  ์ŠคํŠธ๋ง์„ for ๋ฌธ์œผ๋กœ ๋Œ์•„๊ฐ€๋ฉฐ ํ•ด๋‹น ๊ฐ’์„ ๊ณฑํ•ด์„œ ๊ฒฐ๊ณผ๋ฅผ ๋ƒˆ๊ณ , ์ด๋ฒˆ์—๋„ ๊ทธ๋ ‡๋“ฏ ๋‹ต์•ˆ์€ ' ๋„ˆ ์ด๋ ‡๊ฒŒ ํ’€์—ˆ์ง€ ? ' ํ•œ๋‹ค.. ์‹ฌ์ง€์–ด ์ด๋ฒˆ์—๋Š” ๊ทธ ๋‹ต์•ˆ๋ณด๋‹ค๋„ ์กฐ์žกํ•˜๊ฒŒ ์งฐ๋‹ค.. ๋จผ์ € ๋‹ต์•ˆ์—์„œ ๋งํ•˜๋Š” ๋‹ค๋ฅธ ์–ธ์–ด์˜ ๋ฐฉ์‹์„ ๋จผ์ € ์ดํ•ดํ•ด๋ณด์ž. (์ด๊ฒƒ๋„ ์ƒ๊ฐ ๋ชปํ–ˆ์œผ๋‹ˆ) num = '3212' base = 5 answer = 0 for idx, number in enumerate(num[:..

[ ํŒŒ์ด์ฌ์„ ํŒŒ์ด์ฌ๋‹ต๊ฒŒ ] ์ˆ˜๊ฐ• ์ „์— ์ด ๋ฌธ์ œ๋ฅผ ํ’€์–ด๋ณด์„ธ์š”.

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. programmers 'ํŒŒ์ด์ฌ์„ ํŒŒ์ด์ฌ๋‹ต๊ฒŒ' ๊ฐ•์˜๋ฅผ ๋ฐ”ํƒ•์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๊ฐ„๋‹จํ•œ ์ฝ”๋”ฉ ๋ฌธ์ œ๋กœ ๊ฐ•์˜๊ฐ€ ์‹œ์ž‘๋œ๋‹ค. ์‹ ์„ ํ•œ ์ถฉ๊ฒฉ์ด์—ˆ๊ณ , ๊ฐ•์˜ ์ˆ˜๊ฐ•์„ ๊ฒฐ์‹ฌํ•˜์˜€๋‹ค. ์–ด๋ ค์šด ๋ฌธ์ œ๊ฐ€ ์•„๋‹ˆ๋‹ค. ๋ฆฌ์ŠคํŠธ์˜ ์›์†Œ๋ฅผ iteration ํ•˜๋ฉด์„œ ๊ทธ ๊ธธ์ด๋งŒ ๋‹ต์•ˆ ๋ฆฌ์ŠคํŠธ์— append ํ•˜๋ฉด ๊ณง ์ •๋‹ต์ด ๋œ๋‹ค. ๊ธด ๊ณ ๋ฏผ์—†์ด ์†Œ์Šค์ฝ”๋“œ๋ฅผ ์ž‘์„ฑํ•˜์—ฌ ์ œ์ถœํ•˜์˜€๋‹ค. Demi๋‹˜์€ ๋‹ต์•ˆ์„ ๋ณด์—ฌ์ฃผ์…จ๊ณ , ์ฝ”๋“œ๋ฅผ ์ด๋ ‡๊ฒŒ ์งœ์ง„ ์•Š์•˜๋ƒ๊ณ  ๋˜๋ฌผ์œผ์…จ๋‹ค. ์™ผ์ชฝ์ด ๋‚˜์˜ ๋‹ต์•ˆ์ด๊ณ , ์˜ค๋ฅธ์ชฝ์ด ๋ณด์—ฌ์ฃผ์‹  ๋‹ต์•ˆ์ด๋‹ค. ์†Œ๋ฆ„๋‹๊ฒŒ ๋˜‘๊ฐ™๋‹ค. ๊ทธ๋ฆฌ๊ณ  ์ด๋ ‡๊ฒŒ ์ฝ”๋“œ๋ฅผ ์ง  ์‚ฌ๋žŒ๋“ค์„ ์œ„ํ•œ ๊ฐ•์˜๋ผ๊ณ  ๋ง์”€ํ•˜์…จ๋‹ค. ํŒŒ์ด์ฌ ์ฝ”๋“œ๊ฐ€ ์•„๋‹Œ C์–ธ์–ด๋‚˜ Java์— ๊ฐ€๊นŒ์šด ์ฝ”๋”ฉ ๋ฐฉ์‹์ด์—ˆ๋‹ค. ๋ณธ ๊ฐ•์˜์˜ ๋ชฉํ‘œ๋Š” ํŒŒ์ด์ฌ์„ ํŒŒ์ด..

[211210] ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋ฅผ ์œ„ํ•œ ๊ทธ๋ฆฌ๋”” ์•Œ๊ณ ๋ฆฌ์ฆ˜ ( Greedy Algorithms )

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. '์ด๊ฒƒ์ด ์ทจ์—…์„ ์œ„ํ•œ ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋‹ค with ํŒŒ์ด์ฌ' ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. for๋ฌธ ์“ธ ๋•Œ ๋ฌด์กฐ๊ฑด for i in range() ๊ฐ€์ง€ ๋ง๊ณ  ๋ฆฌ์ŠคํŠธ ๊ทธ๋Œ€๋กœ iteration ํ• ๊นŒ๋„ ๊ณ ๋ คํ•˜์ž. if l[i] == 0 or 1 ์œผ๋กœ ์กฐ๊ฑด๋ฌธ ๊ฑธ๋ฉด False or True๋กœ ์ธ์‹ํ•ด์„œ ๋‹ค ์ฐธ์œผ๋กœ ๊ฐ„๋‹ค.(๊ทธ๋Ÿฐ๋“ฏ?) ใ…ฃ = [] ํ˜•ํƒœ๋กœ ๋ฆฌ์ŠคํŠธ ์ดˆ๊ธฐํ™” ํ›„ for๋ฌธ์— l[i] ์ธ๋ฑ์‹ฑํ•˜๋ฉด out of index ๋‚˜์˜จ๋‹ค. ๋ฆฌ์ŠคํŠธ sorting ํ•  ๋•Œ l = l.sort() ํ•˜๋ฉด ๊ฐ’ ์—†์–ด์ง„๋‹ค. ๊ทธ๋ƒฅ l.sort() ์จ๋ผ. ๋ฆฌ์ŠคํŠธ ํฌ๊ธฐ๋ฅผ size(l)๋กœ ๊ตฌํ•  ์ˆ˜ ์—†๋‹ค. len(l)๋กœ ๊ตฌํ•ด๋ผ. ๊ทธ๋ฆฌ๋”” ์•Œ๊ณ ๋ฆฌ์ฆ˜ ๋ฒˆ์—ญํ•˜๋ฉด 'ํƒ์š•๋ฒ•'์ด๋ผ๋Š”..

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course ์ˆ˜๋ฃŒ] ์ธ๊ณต์ง€๋Šฅ ๋ณธ๊ฒฉ ํƒ๊ตฌ : RNN - Sequential Models

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ๋ฅผ ์œ„ํ•œ Pre-Course ๋ฅผ ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. Sequential Model Sequential Data๋ฅผ ์ฒ˜๋ฆฌํ•˜๋Š” ๊ฐ€์žฅ ํฐ ์–ด๋ ค์›€์€ ์ง€๊ธˆ๊นŒ์ง€๋Š” ์šฐ๋ฆฌ๊ฐ€ ์–ป๊ณ  ์‹ถ์€ ๊ฒƒ์ด ํ•˜๋‚˜์˜ Label์ด์—ˆ๋Š”๋ฐ Sequential Data๋Š” ๊ธธ์ด๊ฐ€ ์ œ๊ฐ๊ฐ์ด๋‹ค. ๋ฐ›์•„๋“ค์ผ ์ž…๋ ฅ์˜ ์ฐจ์›์ด ๊ณ ์ •๋˜์–ด ์žˆ์ง€ ์•Š๋‹ค๋Š” ๊ฒƒ์ด๋‹ค. ๋ช‡๊ฐœ์˜ ๋‹จ์–ด, ์Œ์ ˆ, ์ด๋ฏธ์ง€๊ฐ€ ๋“ค์–ด์˜ฌ ์ง€ ๋ชจ๋ฅด๋ฏ€๋กœ ๊ทธ ํฌ๊ธฐ์— ์ƒ๊ด€์—†์ด ๋™์ž‘ํ•  ๋ชจ๋ธ์ด ํ•„์š”ํ•˜๋‹ค. ์ด์ „์— ์–ด๋–ค ๋ง์ด ๋“ค์–ด์™”์„ ๋•Œ ๋‹ค์Œ ๋ง์ด ๋ฌด์—‡์ผ์ง€ ์˜ˆ์ธกํ•˜๋Š” ๋ฌธ์ œ. ์‹œ๊ฐ„์ด ์ง€๋‚ ์ˆ˜๋ก ๊ณ ๋ คํ•ด์•ผ ํ•˜๋Š” ์ง€๋‚œ ์‹œ๊ฐ„์˜ ๋ฐ์ดํ„ฐ๋“ค์ด ๋Š˜์–ด๋‚œ๋‹ค. ์ด๋ฅผ ๊ฐ€์žฅ ๊ฐ„๋‹จํžˆ ๋งŒ๋“œ๋Š” ๊ฒƒ์€ Fixed Time Span. ๊ณผ๊ฑฐ์˜ ..

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course] ์ธ๊ณต์ง€๋Šฅ ๋ณธ๊ฒฉ ํƒ๊ตฌ : CNN - Convolution์€ ๋ฌด์—‡์ธ๊ฐ€ ?

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ๋ฅผ ์œ„ํ•œ Pre-Course ๋ฅผ ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. Convolution ๋ฐฉ๋ฒ•์€ ์œ„ ์ด๋ฏธ์ง€์™€ ๊ฐ™์ง€๋งŒ ์ด ๊ณผ์ •์ด ๊ฐ€์ง€๋Š” ์˜๋ฏธ๊ฐ€ ๋ฌด์—‡์ผ๊นŒ? ์ ์šฉ๋˜๋Š” ํ•„ํ„ฐ๋ฅผ ํ•ด๋‹น ์ด๋ฏธ์ง€์— ๋„์žฅ์ฒ˜๋Ÿผ ์ฐ๋Š” ๊ฒƒ์ธ๋ฐ ๊ทธ ์ข…๋ฅ˜์— ๋”ฐ๋ผ blur, emboss, outline ๋“ฑ ๋‹ค์–‘ํ•œ ๊ฒฐ๊ณผ๊ฐ€ ๋‚˜์˜ฌ ์ˆ˜ ์žˆ๋‹ค. ๋งŒ์•ฝ ์ปค๋„์ด 3x3์— ๊ฐ ๊ฐ’์ด 1/9๋ผ๋ฉด ๊ทธ ์ปค๋„ ์† ์ด๋ฏธ์ง€์˜ ํ‰๊ท ์ด ํ•ด๋‹น ์ถœ๋ ฅ๊ฐ’์œผ๋กœ ๋“ค์–ด๊ฐˆ ๊ฒƒ์ด๋‹ค. Input ์ฑ„๋„๊ณผ Fileter ์ฑ„๋„์ด ๋™์ผํ•œ ์ƒํƒœ์—์„œ ์™ผ์ชฝ๊ณผ ๊ฐ™์€ ๊ณผ์ •์œผ๋กœ ์ด๋ฃจ์–ด์ง€๋Š”๋ฐ ์˜ค๋ฅธ์ชฝ ์ด๋ฏธ์ง€์ฒ˜๋Ÿผ Filter ์ˆ˜๊ฐ€ ๋Š˜์–ด๋‚œ๋‹ค๋ฉด Output ์ฑ„๋„ ์—ญ์‹œ ๋Š˜์–ด๋‚  ๊ฒƒ์ด๋‹ค. ๊ทธ Convolution์„ ์—ฌ๋Ÿฌ๋ฒˆ ์Œ“๊ณ  M..

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course] ์ธ๊ณต์ง€๋Šฅ ๋ณธ๊ฒฉ ํƒ๊ตฌ : Optimization, Gradient Descent, Overfitting, Generalization, Cross-Validation, SGD

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ๋ฅผ ์œ„ํ•œ Pre-Course ๋ฅผ ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. Introduction 1. Generalization Iteration์ด ๋ฐ˜๋ณต๋  ๋•Œ๋งˆ๋‹ค Training Error๋Š” ๋‹น์—ฐํžˆ ์ค„์–ด๋“ค ๊ฒƒ์ด๋‹ค. ํ•˜์ง€๋งŒ ์‹œ๊ฐ„์ด ์ง€๋‚˜๊ฐ€๊ณ  ๋‚˜๋ฉด Test Error์— ๋Œ€ํ•ด ๊ทธ ์„ฑ๋Šฅ์ด ๋–จ์–ด์ง€๊ฒŒ ๋œ๋‹ค. ์ฆ‰, Training Error์™€ Test Error ์‚ฌ์ด์˜ ์ฐจ์ด๊ฐ€ ์ฆ๊ฐ€ํ•œ๋‹ค. ์ด๋Ÿฌํ•œ ํ˜„์ƒ์„ ์˜ค๋ฅธ์ชฝ ์ด๋ฏธ์ง€์™€ ๊ฐ™์ด Overfitting์ด๋ผ ํ•œ๋‹ค. ํ•™์Šต ๋ฐ์ดํ„ฐ์กฐ์ฐจ ๋งž์ถ”์ง€ ๋ชปํ•˜๊ณ  ์žˆ๋Š” ๊ฒƒ์ด Underfitting. 2. Cross-Validation ์ผ๋ฐ˜์ ์œผ๋กœ ํ•™์Šต๊ณผ ํ…Œ์ŠคํŠธ๋ฅผ ์œ„ํ•œ ๋ฐ์ดํ„ฐ๋ฅผ ๋‚˜๋ˆ ์„œ ํ›ˆ๋ จ์‹œํ‚ค๋Š” ๊ฒฝ์šฐ๊ฐ€ ๋งŽ๋‹ค...

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course] ์ธ๊ณต์ง€๋Šฅ ๋ณธ๊ฒฉ ํƒ๊ตฌ : ๋”ฅ๋Ÿฌ๋‹ ๊ธฐ์ดˆ ๋‰ด๋Ÿด ๋„คํŠธ์›Œํฌ MLP (Multi-Layer Perceptron)

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ๋ฅผ ์œ„ํ•œ Pre-Course ๋ฅผ ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. Neural Network ์ƒ๋ฌผํ•™์  ๋‡Œ์˜ ์‹ ๊ฒฝ๋ง์„ ๋ชจ๋ฐฉํ•œComputing System. ์ด๋ฏธ์ง€๋ผ๋Š” ํ…์„œ๊ฐ€ ์ฃผ์–ด์ง€๋ฉด ๋ผ๋ฒจ์ด๋ผ๋Š” ๋ฒกํ„ฐ๊ฐ€ ์‚ฐ์ถœ๋˜๋Š” ๋ชจ๋ธ์ด ์žˆ๋‹ค๊ณ  ํ•˜์ž. ๋‚ด๊ฐ€ ์ •์˜ํ•œ ํ•จ์ˆ˜(ํ–‰๋ ฌ ์—ฐ์‚ฐ๊ณผ ๋น„์„ ํ˜• ์—ฐ์‚ฐ์˜ ๋ฐ˜๋ณต)๋กœ ์ด๋ฅผ ๊ทผ์‚ฌํ•˜๊ฒ ๋‹ค. ์ž…๋ ฅ๊ณผ ์ถœ๋ ฅ์ด 1์ฐจ์›์ธ ๋ฌธ์ œ๊ฐ€ ์žˆ๋‹ค๊ณ  ํ•˜์ž. ์„ ํ˜•ํšŒ๊ท€. ๊ทธ ๋ชฉ์ ์€ ์ž…๋ ฅ๊ณผ ์ถœ๋ ฅ์„ ์—ฐ๊ฒฐํ•˜๋Š” ๋ชจ๋ธ์„ ์ฐพ๋Š” ๊ฒƒ์ด๋‹ค. ์„ ํ˜•์ด๋ฏ€๋กœ ๋ผ์ธ์— ๋Œ€ํ•œ ๊ธฐ์šธ๊ธฐ์™€ y์ ˆํŽธ ๋‘ ํŒŒ๋ผ๋ฏธํ„ฐ๋ฅผ ์ฐพ๋Š” ๋ฌธ์ œ๊ฐ€ ๋  ๊ฒƒ์ด๋‹ค. ๋ฐ์ดํ„ฐ๋Š” 1์ฐจ์› x์™€ y๊ฐ€ N๊ฐœ ๋ชจ์—ฌ์žˆ๋‹ค. x์—์„œ y_hat์œผ๋กœ mapping ์‹œํ‚ค๋Š” ์„ ํ˜•๋ชจ๋ธ ๊ทธ ๊ธฐ์šธ๊ธฐ์™€ ์ ˆํŽธ์„ ์ฐพ๋Š”..

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course] ํ•ต์‹ฌ๋งŒ ๋‹ด์€ AI๋ฅผ ์œ„ํ•œ ์ˆ˜ํ•™ ์ง€์‹ CNN, RNN ์ฒซ๊ฑธ์Œ

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ๋ฅผ ์œ„ํ•œ Pre-Course ๋ฅผ ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. Convolution & CNN [ ๊ฐ•์˜ ์†Œ๊ฐœ ] Convolution ์—ฐ์‚ฐ๊ณผ ๋‹ค์–‘ํ•œ ์ฐจ์›์—์„œ์˜ ์—ฐ์‚ฐ๋ฐฉ๋ฒ•์„ ๊ณต๋ถ€ํ•ฉ๋‹ˆ๋‹ค. Convolution ์—ฐ์‚ฐ์˜ ์—ญ์ „ํŒŒ์— ๋Œ€ํ•ด ๊ณต๋ถ€ํ•ฉ๋‹ˆ๋‹ค. Convolution์€ ์ด๋ฏธ์ง€๋‚˜ ์˜์ƒ ์ฒ˜๋ฆฌ์— ์žˆ์–ด์„œ ์ž์ฃผ ํ™œ์šฉ๋˜๋Š” ์—ฐ์‚ฐ์ด๋‹ค. Fully Connected Network์— ๋น„ํ•ด Convolutional Neural Network๊ฐ€ ๊ฐ€์ง€๋Š” ์žฅ์ ์„ ์ดํ•ดํ•˜๊ณ  ๊ทธ ์—ญ์ „ํŒŒ ์—ฐ์‚ฐ์— ๋Œ€ํ•ด ๊ณต๋ถ€ํ•œ๋‹ค. https://setosa.io/ev/image-kernels/ Image Kernels explained visually An i..

728x90
๋ฐ˜์‘ํ˜•