반응형 데이터사이언스45 Introduction to Python > python의 시작 - 1991년 귀도 반 로섬이 발표 - 플랫폼 독립적 - 인터프리터 언어 - 객체 지향 - 동적 타이핑 언어 - 처음 C언어로 구현되었음 - 1989년 크리스마스에 할 일이 없어서 파이썬 개발 - 'Monty Python's Flying Circus' : 파이썬 이름의 유래 (코미디 그룹의 이름) - 창립자는 구글, DropBox, MS 근무 > python 특징 1) 플랫폼 = OS - 윈도우, 리눅스, 안드로이드, 맥OS, iOS 등 프로그램이 실행되는 운영체제를 플랫폼이라고 함 2) 독립적인 = 관계 없는, 상관 없는 - OS에 상관없이 한번 프로그램을 작성하면 사용 가능 3) 인터프리터 = 통역기를 사용할 수 있는 언어 - 소스코드를 바로 실행할 수 있게 지원하는 프로그램 .. 2022. 1. 14. Deep Learning Model for Anomaly Detection: Survey 1. What are Anomalies? 1) Anomaly v.s. Novelty - Anomaly : 정상 데이터와 본질적으로 다름 - Novelty : 정상 데이터와 본질적으로 같지만 유형이 다름 - ex) 호랑이가 정상데이터일 때, 백호는 Novelty, 그 밖에 말, 치타 등은 Anormaly (Figure 4) 2) Type of Anomalies - Point : 말 그대로 이상치 -> 정상과 본질적으로 다른 희소한 데이터(발생 빈도가 매우 낮음) - Contextual of Conditional : 조건부 이상치 -> 특정 조건이 충족될 때 이상치로 판단될 수 있음 - Collective or Group : 한 번 이상치가 발생할 때, 대규모로 발생하는 경우 ex. 디도스 공격 3) Lab.. 2022. 1. 9. [ch1. EDA] 정형 데이터, 테이블 데이터, 위치 추정, 변이 추정 본 요약 노트는 데이터 과학을 위한 통계(2판)을 참고하여 작성했습니다. 2022. 1. 7. [Tensorflow] 회귀(Regression) 신경망 실습 본 실습은 Sklearn Boston 데이터 셋을 활용했습니다 1. Import Library and Random seed import numpy as np import tensorflow as tf np.random.seed(0) tf.random.set_seed(0) 2. Load Dataset and check target # target check - continuous from sklearn import datasets raw_boston = datasets.load_boston() X = raw_boston.data y = raw_boston.target print(X.shape) print(set(y)) 3. Train / Test Split # Split from sklearn.model_.. 2022. 1. 7. [Tensorflow] 분류(Classification) 신경망 실습 본 실습은 크게 3가지 데이터 셋을 활용했습니다. 1. Iris Dataset 2. MNIST 3. MNIST Fashion Iris Classification 1. Load dataset from sklearn.datasets import load_iris iris = load_iris() X = iris.data y = iris.target 2. OnehotEncoding # One hot encoding from sklearn.preprocessing import OneHotEncoder enc = OneHotEncoder(sparse=False, handle_unknown='ignore') enc.fit(y.reshape(len(y), 1)) y_onehot = enc.transform(y.res.. 2022. 1. 7. [Tensorflow] Tensorflow로 신경망 구조 만들기 텐서플로로 신경망 구조를 만드는 방법은 크게 2가지가 있다. 1. 시퀀스 API 사용 2. 함수형 API 사용 시퀀스 API 사용 - 텐서플로에서 제공하는 Sequential()을 통해 딥러닝 구조의 층을 쌓을 수 있음 - Sequential() 선언 후, model.add() 함수를 입력함으로써 실제로 층을 쌓음 - Sequential() : 신경망 모형을 선언, 생성하는 역할 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model = Sequential() model.add(Dense(100, activation='relu', input_shape=(32, 32, 1)) model.add.. 2022. 1. 7. 딥러닝 기본 용어 잡기(Introduction to Deep Learning) 딥러닝 : 인공신경망 기반의 학습 방식 - 수많은 뉴런이 서로 연결되어 신호를 서로 전달하는 것처럼 퍼셉트론이 연결되어 연산 결과를 주고 받음 퍼셉트론 : 신경망의 최소 단위 - 입력값(input), 가중치 벡터(w), 출력값(output) - 입력값 벡터와 가중치 벡터의 내적값이 활성화 함수(Activation Function)를 거쳐 최종 출력값을 반환 - 활성화 함수는 시그모이드(Sigmoid), 렐루(Relu), 리키 렐루(Leaky Relu) 등이 있음 - 편향(b, bias) : 가중합에 더해지는 상수 다층 퍼셉트론 : 퍼셉트론의 층 여러 개 - XOR 등 하나의 퍼셉트론으로는 해결할 수 없었던 문제를 해결할 수 있게 함 - 인공 신경망(Artificial neutral network), 줄여.. 2022. 1. 7. OpenCV - Filtering 1. Filtering Overview - 영상에서 필요한 정보만 통과시키고 원치 않는 정보는 걸러내는 작업 - 주파수 공간에서의 필터링 (Frequency domain filtering - 공간적 필터링 (Spatial domain filtering) - Import Library import cv2 import sys import numpy as np 2. Mask = Kernel - 다양한 모양과 크기의 마스크가 존재하며, 마스크의 형태와 값에 따라 필터의 역할이 결정됨 - Ex) 영상 부드럽게 만들기, 영상 날카롭게 만들기, 에지(edge) 검출, 잡음 제거 - OpenCV에서 지원하는 가장자리 테두리는 4가지 - Ex) BORDER_CONSTANT, BORDER_REPLICATE, BORDER_.. 2022. 1. 3. OpenCV - VideoCapture, VideoWriter 1. Import Library import sys import cv2 import matplotlib.pyplot as plt 2. VideoCapture Class # 원래 있던 비디오 반전 시켜줌 cap = cv2.VideoCapture('./data/Another Day of Sun.mp4') fps = round(cap.get(cv2.CAP_PROP_FPS)) delay = round(1000 / fps) while True: ret, frame = cap.read() inversed = ~frame cv2.imshow('frame', frame) cv2.imshow('inversed', inversed) if cv2.waitKey(delay) == 27: break cap.release() c.. 2022. 1. 3. 이전 1 2 3 4 5 다음 반응형
