ㅤ

KMOOC 이란 한국의 코세라, 유데미 등 한국식 공개형 온라인 강좌 플랫폼이다. 이전 대학 시절 케묵(이하 케이묵)과 대학별 연합 온라인 강의(이하 싸강)를 수강한 기억이 있는데 진행방식 또한 모든 대학교와 똑같으며 중간과제, 기말고사가 존재한다. 물론 다른 점은 방송대처럼 원격으로 진행한다는 점 정도가 있다. 이번에 방송대의 강의가 플랫폼에 개설됐다. 방송대 뿐만 아니라 다른 학교를 비롯한 양질의 강의를 듣는다는 것은 배움의 기회가 많으며 , 이는 곧 원한다면 방송대에서 수강할 수 없었던 전공지식의 부재 및 한계를 해소할 방법이 생겼다는 것이다. 방송대의 개설 과목은 총 8과목이며 각 아래와 같았다. , , ,, , , , 그 중 컴퓨터로 여는 미래사회는 컴퓨터과학과 정재화 교수님께서 진행하는 강의로..

AWS Certified Cloud Practitioner 요구 사항 AWS 클라우드 개념 AWS 서비스 AWS 보안 AWS 아키텍처 및 가격 AWS 클라우드 지원 시험 단위 주제 AWS 소개 : 이점, 주문형 제공 및 클라우드 배포 차이점, 종량제 가격 책정 모델 요약 클라우드에서의 컴퓨팅 : EC2 장점, EC2 인스턴스 종류 식별, 결제 식별, 오토스케일링, 로드밸런싱, AWS SNS, SQS, 컴퓨팅옵션 글로벌 인프라 및 안정성 : 글로벌 인프라 이점, 가용 영역 개념, Cloud Front Edge Location, 프로비저닝 방식 비교 네트워킹 : 네트쿼킹 개념, 공용/프라이빗 리소스 차이, 가상 프라이빗 게이트웨이, VPN, Direct Connect, Hybrid etc 스토리지 및 DB ..

1) GAN (Generative Adversarial Networks) 생성적 적대 신경망 : 딥러닝 원리를 이용해 가상의 이미지를 생성하는 모델. 가짜 이미지를 만드는 생성자, 이미지의 진위 여부를 판단하는 판별자로 구성. - 패딩을 사용해 입출력 크기를 통일 - 배치정규화를 통해 입력값의 범위를 제한하여 안정화, BatchNormalization() 함수 사용 - 생성단의 활성함수는 Relu함수, 판별단 전달 직전 tanh 함수 사용 GAN 모델 생성실습from tensorflow.keras.datasets import mnist from tensorflow.keras.layers import Input, Dense, Reshape,Flatten, Dropout from tensorflow.kera..

정규화(normalization) : 데이터의 폭이 클 경우 적절한 겂으로 분산 정도를 변경하는 과정 MNIST 손글씨 인식하기(데이터 전처리)from tensorflow.keras.datasets import mnist from tensorflow.keras.utils import to_categorical import matplotlib.pyplot as plt import sys # MNIST 데이터셋을 활용 # X_train, y_train : 학습에 사용될 학습셋 데이터 # X_test, y_test : 테스트에 사용될 테스트셋 데이터 (X_train, y_train), (X_test, y_test) = mnist.load_data() # 학습셋과 테스트셋이 각 몇개의 이미지인지 출력 print..

과적합(Overfitting) : 훈련에 사용한 데이터에 진행된 학습이 지나치게 진행된 것을 의미. 이는 일반화 오류를 크게 할 수 있으며 복잡도가 오히려 증가할 수 있다. 1) 층이 너무 많을 때 발생 2) 변수가 복잡할 때 발생 3) 테스트와 학습 데이터의 중복일때 발생과적합(Overfitting) 방지 방법 : 학습을 할 때 사용할 데이터셋과 테스트 전용 데이터셋을 구분. 주로 학습셋과 테스트셋을 분리하기 위해 사이킷런을 사용하고 여기서 train_test_split() 함수를 적용한다.from sklearn.model_selection import train_test_split # 학습셋과 테스트셋을 각각 구분, 0.3은 전체 데이터의 30%를 테스트셋으로, 나머지 70(0.7)은 학습셋으로 나눔..

2강 - 폐암 환자 수술 생존율 예측 딥러닝 모델 설계하기 model = Sequential() # 딥러닝 구조 설계 model.compile() # 컴파일. model.fit() # 모델 수행 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense import numpy as np !git clone https://github.com/taehojo/data.git Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",") X = Data_set[:,0:16] y = Data_set[:,16] model = Sequential() model..

1) 퍼셉트론 : 인간의 실제 신경단위인 뉴런을 본 떠 이를 바탕으로 한 인공신경망(신경망)을 만들게 되고 실제 장치화 한 것. 다수의 입력값에 별도의 가중치를 조절할 수 있으며 이를 바탕으로 출력값을 구할 수 있으며 '학습'이 가능하게 됨. 퍼셉트론, 이를 보완한 아달라인의 등장과 여전히 극복하지 못한 한계 -> XOR 해결 문제 발생 -> 다층 퍼셉트론, 오차 역전파 기법 발생으로 해결2) 다층 퍼셉트론 (MLP): XOR 문제를 해결할때 각각 NAND, OR 연산과정을 한번 더 거쳐 문제를 해결하며 이 사이에 '은닉층' 이라는 입력층과 출력층 사이의 중간층을 만들어 문제를 해결할 수 있게 됨. 은닉층에서 모은 값은 활성화 함수를 통해 다음 단계로 보내지며 각 활성화 함수로는 시그모이드함수 (σ(x)..

로지스틱 회귀 : 참과 거짓, 둘 중 하나로 판단해야할 때 딥러닝에서 주어진 데이터를 놓고 쓰임. 예시 : 5장의 공부한 시간과 공부한 성적 사이를 선형회귀적으로 표현하는 문제가 아닌 시험 결과 여부가 합/불합격만 존재할경우 공부시간 2 4 6 8 10 12 14 합격여부 불 불 불 합 합 합 합 합격을 1, 불합격이 0일때 좌표 평면에 그리면 일정한 기울기를 가지는 일차 방정식이 아니기에 1.과 0으로 구분된 선을 그리기 어려움. 따라서 1과 0을 이어주는 S자 그래프 형태로 그려지게됨 -> 시그모이드 함수를 통해 로지스틱 회귀를 풀어낼 수 있음. 선형회귀에서 평균 제곱 오차 함수를 사용해 보정했다면, 로지스틱 회귀는 교차 엔트로피 오차 함수를 이용. # 필요한 기본 라이브러리 세팅 import num..

1. 경사하강법 : 일정한 곡면을 가진 2차함수가 있을 때 경사의 가장 완만한 부분은 봉우리 지점(가장 볼록한 부분)에 도달했을때 기울기가 가장 작다. 이 그래프에서 가장 완만한 지점의 값을 기울기 a라고 할 때, m의 위치에 있다면 임의의 기울기 a1, a2, a3...인 식으로 각각의 m을 구한다. 이때의 미분 기울기를 이용하는 방법을 경사 하강법이라고 한다. 따라서, 기울기가 0인 지점, 미분값이 0인 지점을 찾으면서 임의의 수를 대입하는데 이때 적절한 학습률을 설정해서 구해야한다. import numpy as np import matplotlib.pyplot as plt # 이전단원 학생별 공부시간별 점수 x = np.array([2, 4, 6, 8]) # 공부시간 x y = np.array([8..

1. 딥러닝 기본적인 두 가지 계산 원리 : 선형 회귀, 로지스틱 회귀 2. 독립변수와 종속변수 : 선형회귀에서 독립변수를 이용해 종속변수의 결과를 예측하고 설명함 ex. 학생들의 중간고사 성적이 [ ] 에 따라 다 다르다 독립변수 종속변수 성적을 변하게하는 [ ] 부분. 이 부분을 정보(사교육비, 공부하는데 들인 시간, 학생의 개인 역량 등 많은 부분이 이 안에 정의될 수 있음). 즉, 독립적으로 변할 수 있는 미지의 X 값을 의미함. 성적인 부분. 사교육비, 공부량, 학생당 성취 도 등 다양한 독립변수 X에 따라 결정되는 최종 성적을 의미함. 독립변수 X에 따라 변화가 종속적으로 일어나는 변수. 즉, 독립변수에 따라 종속적으로 변할 수 있는 값 Y를 의미함. 3. 단순 선형 회귀(Simple Line..