🔥 기술/인공지능 및 데이터 사이언스(AI, 컴퓨터 비전, 딥러닝)

1강. 의류사진 구분 AI 만들기 : 딥러닝으로 이미지를 학습시키려면 프로젝트 목적 : 의류를 보고 하의/상의 등을 구분할 수 있는 딥러닝 모델 만들기. ex. 손글씨를 학습시켜서, 손글씨를 보고 a, b등을 파악할 수 있는 모델 ex. 실시간 사물인식 기술을 이용한 자율주행 ex. 유방함 진단. (구글 LYNA 딥러닝 모델의 정확도 : 99%) ex. 흉부사진으로 악성 폐결절 진단하기 (딥러닝 모델 정확도 : 의사 16명 정확도) Q) 이미지는 어떻게 모델에 집어넣나요? A) 뉴럴 네트워크에 집어넣을 수 있는건 무조건 숫자입니다. 이미지 -> 픽셀별 각각 rgb값(숫자)로 뉴럴 네트워크에 넣으면 됨. 흑백 사진은 [], 컬러 사진은 [r, g, b] 코드짜기 tf.keras.datasets.fashio..

문제 : gre, gpa, rank를 바탕으로 admit을 예측하자. keras : tensorflow 안에 있는 유용한 도구. 케라스는 유저가 손쉽게 딥 러닝을 구현할 수 있도록 도와주는 상위 레벨의 인터페이스로 딥 러닝을 쉽게 구현할 수 있도록 해줌. optimizer : 경사하강법에서 빼는 값을 조정해줌. 기본적으로는 adam 사용하면 됨. loss : 손실함수. 값을 예측할 때 데이터에 대한 예측값과 실제의 값을 비교하는 함수. ex) binary_crossentropy - 결과가 0과 1 사이의 분류/확률문제에서 사용한다. pandas : R의 dataframe을 참고하여 만든 파이썬 패키지로, 데이터 분석을 위한 라이브러리이다. 데이터 전처리가 필요한 이유 : .csv파일을 열어보면 값이 들어..

11. Tensorflow2 빠른 기초 2 : 키와 몸무게를 예측하려면 (Linear Regression) 키로 신발사이즈 추론해보기 #키로 신발사이즈를 추론해보자 import tensorflow as tf 키 = 170 신발 = 260 #신발 = 키 * a + b a = tf.Variable(0.1) #w값을 임의로 정의내린 것. b = tf.Variable(0.2) def 손실함수() : 예측값 = 키 * a + b return tf.square(260 - 예측값) #오차(실제값 - 예측값)는 제곱으로 리턴함. opt = tf.keras.optimizers.Adam(learning_rate=0.1) #경사하강법으로 a, b를 자동으로 업데이트 하는 것. #gradient를 알아서 스마트하게 바꿔주는 ..

7. 하지만 활성함수가 없으면 뉴럴네트워크가 아님(Activation Function) - 결함: 레이어가 있나 없나 결과는 비슷함 - 해결 방법 : activation function 히든 레이어에 있는 값을 활성 함수를 통해 한 번 변형시킨다. 대표적인 활성 함수 1) sigmoid 2) Hyperboic tangent 3) Rectified Linear Units - 활성 함수를 거치고 나면, 레이어가 역할을 하게 됨. - 활성 함수가 필요한 이유는 non-linearity 예측을 하기 위해서임. 비선형적이고, 복잡한 예측이 가능함. - activation function이 없으면 딥러닝이 아님. - activation function은 모든 레이어에 있으면 좋지만, 출력층에는 없을 수 있음. 8...