AI/데이터 분석의 첫걸음

문제설명) 다음은 식당의 정보를 담은 REST_INFO 테이블입니다. REST_INFO 테이블은 다음과 같으며 REST_ID, REST_NAME, FOOD_TYPE, VIEWS, FAVORITES, PARKING_LOT, ADDRESS, TEL은 식당 ID, 식당 이름, 음식 종류, 조회수, 즐겨찾기수, 주차장 유무, 주소, 전화번호를 의미합니다. 문제) REST_INFO 테이블에서 음식종류별로 즐겨찾기수가 가장 많은 식당의 음식 종류, ID, 식당 이름, 즐겨찾기수를 조회하는 SQL문을 작성해주세요. 이때 결과는 음식 종류를 기준으로 내림차순 정렬해주세요. 풀이) SELECT FOOD_TYPE, REST_ID, REST_NAME, FAVORITES FROM REST_INFO WHERE (FOOD_TYP..

CNN이란? CNN은 Convolutional Neural Network의 약자로, 주로 이미지 인식 및 컴퓨터 비전 분야에서 사용되는 딥러닝 알고리즘입니다. CNN은 일반적인 인공신경망과는 달리 입력 데이터에 대한 공간 정보를 보존하면서 처리할 수 있는 구조로 이루어져 있습니다. 이를 위해 CNN은 이미지 등의 입력 데이터에서 특징(feature)을 추출하기 위한 컨볼루션(Convolution) 계층과 추출된 특징을 인식하는 풀링(Pooling) 계층, 그리고 인식된 특징을 기반으로 최종적인 분류를 수행하는 완전 연결 계층으로 구성됩니다. 컨볼루션 계층에서는 입력 이미지를 필터(filter)라는 작은 크기의 윈도우를 이용하여 슬라이딩하면서 특징을 추출합니다. 이를 통해 입력 데이터의 공간 정보를 보존하..

인공신경망(ANN: Artificial Neural Network) 인공신경망은 생물학의 신경망(뇌)에서 영감을 얻은 정보처리 체계로 단층 퍼셉트론과 다층 퍼셉트론을 포함한다. 시냅스의 결합으로 망을 형성한 인공 뉴런(퍼셉트론)이 학습(시냅스의 결합 세기)을 통해 문제를 해결한다. 인공신경망 분류 지도학습 : 정답의 입력에 의해 문제에 최적화 됨 비지도 학습 : 정답 없음 인공신경망 구성 입력층(Input) : 다수의 입력 데이터를 받는다. 은닉층(HIdden) : 입력층과 출력층 사이에 존재하는 레이어들. (모델구성 : 은닉층의 개수와 노드 개수를 구성) 출력층(Output) : 데이터의 출력을 담당한다. => 과제) : 은닉층으로 모델을 잘 구성하여 원하는 Output 값을 잘 예측하는 것. 인공신경..

코랩 실습파일) regression.ipynb Run, share, and edit Python notebooks colab.research.google.com 깃허브 소스) GitHub - tensorflow/docs-l10n: Translations of TensorFlow documentation Translations of TensorFlow documentation. Contribute to tensorflow/docs-l10n development by creating an account on GitHub. github.com 1. 기본 회귀; 연비 예측 회귀 문제에서 목표는 가격이나 확률과 같은 연속된 값의 출력을 예측하는 것입니다. 이 예에서는 Keras API를 사용합니다. # Use s..

코랩 실습파일) classification.ipynb Run, share, and edit Python notebooks colab.research.google.com 깃허브 소스) GitHub - tensorflow/docs-l10n: Translations of TensorFlow documentation Translations of TensorFlow documentation. Contribute to tensorflow/docs-l10n development by creating an account on GitHub. github.com * 이 튜토리얼에서는 운동화나 셔츠 같은 옷 이미지를 분류하는 신경망 모델을 훈련합니다. 여기서는 완전한 텐서플로(TensorFlow) 프로그램을 빠르게 살펴 보..

코랩 실습파일) beginner.ipynb Run, share, and edit Python notebooks colab.research.google.com 깃허브 소스) GitHub - tensorflow/docs-l10n: Translations of TensorFlow documentation Translations of TensorFlow documentation. Contribute to tensorflow/docs-l10n development by creating an account on GitHub. github.com * Keras를 사용하여 수행. 사전에 빌드한 데이터 세트 로드 이미지를 분류하는 신경망 머신러닝 모델 빌드 해당 신경망 훈련 모델의 정확도 평가 1. TensorFlow ..

머신러닝과 딥러닝의 차이점? 공통점 : 데이터를 분석하고 패턴을 찾아내는 것을 목표로 한다. 차이점 : 목적과 방법 (인간 개입의 여부❗) 머신러닝 목적 : 컴퓨터가 데이터를 이용하여 학습하고, 이를 기반으로 새로운 데이터를 분석하거나 예측하는 알고리즘을 개발 방법 : 인간이 직접 특징을 도출할 수 있도록 설계한다. (= 예측값 출력) 딥러닝 목적 : 인공신경망을 사용하여 데이터를 분석하고, 보다 더 복잡하고 정교한 모델을 만들어 패턴을 찾아낸다. 방법 : 인공지능이 스스로 일정 범주의 데이터를 바탕으로 공통된 특징을 도출하고, 그 특징으로 예측값을 출력한다. (사람보다 빠른 학습 속도를 보이며, 원하는 빅데이터를 학습 후 활용이 가능하다) 인공신경망(ANN : Artificial Neural Netwo..

klue 데이터란? ChatGPT 이모한테 물어보았다. 형태소란? ChatGPT 이모한테 물어보았다. KoNLPy란? ChatGPT 이모한테 물어보았다. colab 데이콘 데이터 불러오기 # 로컬 PC에서 실습 시 직접 데이콘 사이트에 회원가입하고 다운로드 해주세요. import os, platform base_path = "data/klue/" def file_exist_check(base_path): if os.path.exists(f"{base_path}train_data.csv"): print(f"{base_path} 경로에 파일이 이미 있음") return if platform.system() == "Linux": print(f"파일을 다운로드 하고 {base_path} 경로에 압축을 해제함")..