Tech notes

고정 헤더 영역

글 제목

메뉴 레이어

Tech notes

메뉴 리스트

  • 홈
  • 방명록
  • 분류 전체보기 (155)
    • 블로그 운영 기록 (11)
    • IT (82)
      • R (3)
      • C (6)
      • Linux>Shell (14)
      • Database (7)
      • Javascript (28)
      • HTML+CSS (5)
      • 스터디 (19)
    • 기타 (38)
      • Tips (11)
      • Review (6)
      • Math (1)
      • Money (20)
    • 日本語 (24)
      • JLPTN1(上) (13)
      • JLPTN1(下) (8)
      • 비지니스일본어 (3)

검색 레이어

Tech notes

검색 영역

컨텐츠 검색
머신러닝야학 7일차 : Tensorflow.js 알아보기

Tensorflow (Javascript) - 뉴럴 네트워크 = 인공신경망 = 딥러닝 : 사람이 생각하는 방식을 기계가 모방하도록 한 알고리즘 - 텐서플로는 딥러닝 라이브러리 중 하나 - 자바스크립트가 작동하는 환경에서 작동함 (웹브라우저, 노드js) - 특별한 설치가 필요없고 사용자 컴퓨터를 이용한단 점에서 이득 딥러닝 라이브러리에는 ConvNetJS, Brain.js, PyTorch 등이 있고 지도학습 중 회귀, 분류 문제를 해결하기 위해 쓸 수 있는 알고리즘에는 Decision Tree(의사 결정 나무), 랜덤 포레스트, KNN(k-최근접 이웃), SVM(서포트 벡터 머신), 뉴럴 네트워크(=딥러닝)가 있다. 인공지능(AI)와 머신러닝, 딥러닝은 다 별개의 것들이며 AI를 구현하는 방법이 머신러닝이..

IT/스터디 2021. 1. 11. 20:29

머신러닝야학 2기 6일차 : 머신러닝 1 완강!

나에게 필요한 머신러닝을 찾는 방법 위 지도를 따라가면 어떤 방법을 써야할지 알 수 있다. 하지만 수업에서 다룬 몇몇 방법만 소개하고 있기 때문에 현실의 모든 경우를 커버하지는 못한다. 지도를 보고 있으니 강화학습만 과거의 데이터를 이용하는 게 아니란 점이 눈에 띈다. 수업을 마치며 어떤 부품이 어디에 필요한 지 아는 것 만으로 당신은 그 분야의 전문가가 된 것이다. 얼핏보면 비약이 심한 게 아닌가 싶기도 하지만 각 개념들이 어디에 쓰이는 지 아는 건 정말 중요하다. 어떤 방법을 써야하는 지 알고 있다면 그것을 실행으로 옮기는 것은 차차 공부해도 되기 때문이다. (아니면 다른 전문가에게 부탁해도 되고) 내가 이 수업을 듣게 된 건 기회가 온다면 놓치고 싶지 않아서이다. 현재는 웹 개발자를 목표로 공부하고..

IT/스터디 2021. 1. 9. 18:54

구글 스프레드 시트 실시간 주가, ETF 가격 불러오는 법 (구글 파이낸스)

구글 스프레드 시트에서는 구글 파이낸스 함수를 쓰면 손쉽게 실시간 주가를 불러오는 것이 가능합니다. 일반 주식의 가격을 불러오는 것과 ETF 가격을 불러오는 건 조금 달라서 나눠서 살펴보겠습니다. 1. 실시간 주가 불러오기 저렇게 실시간 주가를 불러와서 사용중인데요 방법은 간단합니다. =GOOGLEFINANCE("상장된 시장:티커","price") 셀에 위 식을 지켜서 입력하면 됩니다. 예1) 나스닥에 상장된 주식 (마이크로소프트) =GOOGLEFINANCE("NASDAQ:MSFT","price") 예2) 뉴욕증권거래소에 상장된 주식 (디즈니) =GOOGLEFINANCE("NYSE:DIS","price") 예3) 한국 거래소에 상장된 주식 (카카오) =GOOGLEFINANCE("KRX:035720") 티..

기타/Tips 2021. 1. 8. 22:56

머신러닝야학 2기 5일차 : 비지도학습 (군집화, 연관) , 강화학습

비지도 학습 군집화 (Clustering) 비슷한 것들을 그룹화 하는 것 얼핏보면 분류와 비슷하지만 이렇게 다름 비슷한 것들끼리 그룹을 만드는 것 = 군집화 각각을 적당한 위치에 배치시키는 것 = 분류 연관규칙학습 (Association rule learning) 일명 장바구니 학습 ⇒ 장바구니에 담긴 상품을 바탕으로 연관 있는 상품을 추천해주는 것과 비슷함 그런 상품이 수천개가 된다고 했을 때 제품들 간의 관계를 파악하는 것을 무척 어려울 것. 이 때 머신러닝이 유용하게 쓰일 수 있음 예를 들어, 위 경우엔 라면을 구매하는 소비자는 계란도 살 가능성이 높다는 상관관계를 파악하고 추천에 이용할 수 있음. 관측치(행)을 그룹화 하는 것 = 군집화 특성(열)을 그룹화 하는 것 = 연관 규칙 비지도 학습 정리..

IT/스터디 2021. 1. 8. 21:01

추가 정보

인기글

최신글

페이징

이전
1 2 3 4 5 6 7 ··· 39
다음
TISTORY
Tech notes © Magazine Lab
페이스북 트위터 인스타그램 유투브 메일

티스토리툴바