본문 바로가기

전체 글

 (95)
구글 코랩 Colab 구글 코랩 구글 코랩Colab은 웹 브라우저에서 무료로 파이썬 프로그램을 테스트하고 저장할 수 있는 서비스이다. 심지어 머신러닝 프로그램도 만들 수 있다. 좀 더 있어 보이는 말로 표현하자면 클라우드 기반의 주피터 노트북 개발 환경이다. 머신러닝은 컴퓨터 사양이 중요한데, 구글 코랩을 사용하면 컴퓨터 성능과 상관없이 프로그램을 실습해 볼 수 있다. 구글 계정만 있다면 누구나 무료로 코랩을 사용할 수 있다. 코랩은 웹 브라우저에서 텍스트와 프로그램 코드를 자유롭게 작성할 수 있는 온라인 에디터라고 생각하면 쉽다. 이런 코랩 파일을 노트북 Notebook혹은 코랩 노트북이라고 부른다. 코랩은 구글이 대화식 프로그래밍 환경인 주피터 Jupyter를 커스터마이징한 것이다. 파이썬 지원으로 시작한 주피터 프로젝트..
[AWS] RDS 생성 및 Python 연동 AWS_RDS란? Amazon Relational Database Service(Amazon RDS)는 AWS 클라우드에서 관계형 데이터베이스를 더 쉽게 설치, 운영 및 확장할 수 있는 웹 서비스이다. 이 서비스는 산업 표준 관계형 데이터베이스를 위한 경제적이고 크기 조절이 가능한 용량을 제공하고 공통 데이터베이스 관리 작업을 관리한다. 이번에는 PostgreSQL을 구축해보고, Python에 구축,연동을 하는 방법을 쉽게 익혀보자 블로그를 남긴다. 저는 '이것이 데이터 분석이다' 라는 책에서 비트코인 시세 예측하기라는 챕터를 해보고, 미래 기술 중 하나라고 하는 드론에 과심이 있어서, EHANG 이라는 회사 기업의 주가 예측하기라는 주제로 블로깅을 남긴바 있었습니다. 그 중 한계점을 느끼고 ' 이항 주..
Docker를 사용한 Dash 생성 Dash와 Docker을 사용해 웹에 띄워보려한다. Python을 사용해 웹에 대시보드를 구축하는 최소한의 환경을 써보려 한다. 이를 계기로 차차, Dash를 구성하는 시각화와 DB를 연동하고 매일 갱신되는 블로그를 적을 계획이다. - 이 글의 카테고리인 어느 주식(저와같은 경우는 미래기술 드론에 관심이 있어서 이항 이라는 회사 주식) 을 DB를 연동하고 매일 갱신하는것이 목표 이다. - 도커(Docker)를 처음 듣는분들은 간략한 개념과 용어를 정리한 블로그가 있으니 한번 보면 좋을 것 같다. - 미래를 위한 취미_도커(Docker) 란 무엇인가? - 쉬운 개념 및 이해 우선, AWS_EC2 처음 접하는 분들은 아래 링크를 참조 - 미래를 위한 취미_aws ec2 서버 구축 - 미래를 위한 취미_AWS..
도커(Docker) 란 무엇인가? - 쉬운 개념 및 이해 Dash와 Docker을 사용해 웹에 띄워보려한다. Python을 사용해 웹에 대시보드를 구축하는 최소한의 환경을 써보려 한다. 이를 계기로 차차, Dash를 구성하는 시각화와 DB를 연동하고 매일 갱신되는 블로그를 적을 계획이다. - 이 글의 카테고리인 어느 주식(저와같은 경우는 미래기술 드론에 관심이 있어서 이항 이라는 회사 주식) 을 DB를 연동하고 매일 갱신하는것이 목표 이다. 우선, 도커(Docker) 전반에 대해 간략하게 설명하려한다. 핵심개념인 컨테이너와 이미지에 대해 먼저 빠르게 알아보자. 서버를 관리한다는 것은? 일반적으로 서버를 관리한다는 건 복잡하고 어려우며 고급 개발자들의 섬세한 작업이 필요한 영역이다. 시간이 흐르면서 서버 환경이 계속 바뀌는데 CentOS에 익숙해지면 Ubuntu..
Chapter09. 텍스트를 위한 인공 신경망 ( 댓글을 분석하라!) (https://bit.ly/hg-09-1) (https://bit.ly/hg-09-2) (https://bit.ly/hg-09-3) Chapter09. 텍스트를 위한 인공 신경망 ( 댓글은 분석하라!)¶ 학습목표 텍스트와 시계열 데이터와 같은 순차 데이터에 잘 맞는 신경망의 개념과 구성 요소에 대해 배운다 케라스 API로 기본적인 순환 신경망에서 고급 순환 신경망을 만들어 영화 감상평을 분류하는 작업에 적용해 본다. 순환 신경망에서 발생하는 문제점과 이를 극복하기 위한 해결책을 살펴본다. 09-1 순차 데이터와 순환 신경망¶ 핵심 키워드 순차 데이터 순환 신경망 셸 은닉 상태 순차 데이터의 특징을 알고 순환 신경망의 개념을 학습한다. 문제 상황¶상품 페이지의 수많은 댓글을 일일이 확인하기 어렵다. 설령..
Chapter08 이미지를 위한 인공 신경망 (https://bit.ly/hg-08-1) (https://bit.ly/hg-08-2) (https://bit.ly/hg-08-3) Chapter08. 이미지를 위한 인공 신경망 (패션 럭키백의 정확도를 높인다!)¶ 학습목표 이미지 분류 문제에 뛰어난 성능을 발휘하는 합성곱 신경망의 개념과 구성 요소에 대해 배운다. 케라스 API로 합성곱 신경망을 만들어 패션 MNIST 데이터에서 성능을 평가해 본다. 합성곱 총의 필터와 활성화 출력을 시각화하여 합성곱 싱경망이 학습한 내용을 고찰해 본다. 08-1 합성곱 신경망의 구성 요소¶ 핵심키워드 합성곱 필터 특성 맵 패딩 스트라이드 풀링 합성곱 신경망을 구성하는 기본 개념과 동작 원리를 배우고 간단한 합성곱, 풀링 계산 방법을 익힌다. 합성곱¶합성곱 convo..
Chapter07-3 신경망 모델 훈련 (https://bit.ly/hg-07-3) 07-3 신경망 모델 훈련¶ 핵심키워드 드롭아웃 콜백 조기종료 인공 신경망 모델을 훈련하는 모범 사례와 필요한 도구들을 살펴보겠다. 이런 도구들을 다뤄보면서 텐서플로와 케라스 API에 더 익숙해지자. 지금까지 인공 신경망에 대해 배우고 텐서플로의 케라스 API를 사용해 직접 만들어 보았다. 1개 이상의 층을 추가하여 심층 신경망을 구성하고 다양한 고급 옵티마이저를 적용하는 방법도 알아 보았다. 이전에 배웠던 머신러닝 알고리즘과는 어떤 차이를 느꼈나? 일반적으로 사이킷런에서 제공하는 머신러닝 알고리즘들은 좋은 성능을 내기 위해 매개변수를 조정하고 훈련하는 과정을 반복한다. 이런 알고리즘들은 모델의 구조가 어느 정도 고정되어 있다고 느낄 수 있다. 반면에 딥러닝에..
Chapter07-2 심층 신경망 (https://bit.ly/hg-07-2) 07-2 심층 신경망¶ 핵심 키워드 심층 신경망 렐루 함수 옵티마이저 인공 신경망에 층을 여러 개 추가하여 패션 MNIST 데이터셋을 분류하면서 케라스로 심층 신경망을 만드는 방법을 자세히 배운다. 2개의 층¶다시 케라스 API를 사용해서 패션 MNIST 데이터셋을 불러오겠다. In [1]: from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() /home/ubuntu/.local/lib/python3.6/site-packages/tensorflow/python/framework/dtypes..

티스토리툴바