[머신러닝을 위한 파이썬] 코스 수료
‘머신러닝을 위한 파이썬’를 수료하며
Category
Machine Learning
[머신러닝을 위한 파이썬] 18. Linear Regression - 7
Dev set과 교차 검증의 다양한 방법들
[머신러닝을 위한 파이썬] 16. Linear Regression - 5
다양한 경사하강법 방식, 과대적합을 막기 위한 규제
[머신러닝을 위한 파이썬] 15. Linear Regression - 4
한 개 이상의 특성이 있을 때의 경사 하강법, 모델의 성능 평가하기
[머신러닝을 위한 파이썬] 14. Linear Regression - 3
경사하강법으로 선형 회귀 구현하기
[머신러닝을 위한 파이썬] 13. Linear Regression - 2
실습 - 정규방정식으로 선형 회귀 구현하기
[머신러닝을 위한 파이썬] 12. Linear Regression - 1
선형 회귀, 비용 함수, 정규 방정식
[머신러닝을 위한 파이썬] 11. Data handling - 6
실습 - 비행기 승객 데이터 다루기
[머신러닝을 위한 파이썬] 10. Data handling - 5
결측치 처리, 이산형 데이터 처리, 데이터 스케일링
[머신러닝을 위한 파이썬] 9. Data handling - 4
matplotlib을 통한 데이터 시각화
[머신러닝을 위한 파이썬] 8. Data handling - 3
Pandas의 Groupby, 피벗 테이블, 크로스탭, Merge, Persistence
[머신러닝을 위한 파이썬] 7. Data handling - 2
Pandas의 사용법
[머신러닝을 위한 파이썬] 6. Data handling - 1
NumPy의 사용법
[머신러닝을 위한 파이썬] 4. Linear Algebra (선형대수) - 2
실습 - 유사한 뉴스 선정하기
[머신러닝을 위한 파이썬] 3. Linear Algebra (선형대수) - 1
벡터와 행렬의 연산을 파이썬스럽게 구현하기
[머신러닝을 위한 파이썬] 2. Pythonic Code - 2
파이썬스럽게 코드 짜기 - Asterisk와 collection 모듈
[머신러닝을 위한 파이썬] 1. Pythonic Code - 1
파이썬스럽게 코드 짜기 - split, join, list comprehension, 람다 함수, map, reduce
[Deep Learning Specialization - 4단계] 코스 수료
‘Deep Learning Specialization 4단계’를 수료하며
[Deep Learning Specialization - 4단계] 6. 신경망 스타일 변형
신경망으로 그림의 스타일 바꾸기
[Deep Learning Specialization - 4단계] 5. 얼굴 인식
얼굴 인식을 위한 샴 네트워크, 삼중항 손실
[Deep Learning Specialization - 4단계] 4. 탐지 알고리즘 - 2
IOU, 비최대억제, 앵커 상자. 이를 합한 YOLO 알고리즘
[Deep Learning Specialization - 4단계] 4. 탐지 알고리즘 - 1
물체를 인식하여 경계 상자 그리기
[Deep Learning Specialization - 4단계] 3. convNets-실질적 조언들
컴퓨터 비전에서의 전이학습과 데이터 증가
[Deep Learning Specialization - 4단계] 2. 케이스 스터디 - 2
1 x 1 신경망과 인셉션 신경망
[Deep Learning Specialization - 4단계] 2. 케이스 스터디 - 1
합성곱 층을 사용하는 다양한 신경망
[Deep Learning Specialization - 4단계] 1. 합성곱 신경망 - 1
컴퓨터 비전을 위한 합성곱
[Deep Learning Specialization - 3단계] 코스 수료
‘Deep Learning Specialization 3단계’를 수료하며
[Deep Learning Specialization - 3단계] 7. End-to-End 딥러닝
End-to-end 딥러닝의 개요와 사용 요령
[Deep Learning Specialization - 3단계] 6. 다양한 문제로부터 학습시키기
전이학습과 다중 작업 학습
[Deep Learning Specialization - 3단계] 4. 오차 분석
오차 원인을 발견했을 때 어떻게 해야 하나
[Deep Learning Specialization - 3단계] 3. 사람 수준의 성능과 비교하기
인간의 성능과 AI 모델
[Deep Learning Specialization - 2단계] 코스 수료
‘Deep Learning Specialization 2단계’를 수료하며
[Deep Learning Specialization - 2단계] 8. 프로그래밍 프레임워크 소개
딥러닝 프레임워크와 Tensorflow 구현
[Deep Learning Specialization - 2단계] 5. 하이퍼파라미터 튜닝
초매개변수의 선택과 관련된 다양한 통찰
[Deep Learning Specialization - 2단계] 4. 최적화 알고리즘 - 2
모멘텀 최적화, RMS prop, Adam 최적화 알고리즘. 그리고 학습률 감쇠와 안장지대까지.
[Deep Learning Specialization - 2단계] 4. 최적화 알고리즘 - 1
미니 배치 경사하강법과 지수 가중 평균
[Deep Learning Specialization - 2단계] 3. 최적화 문제 설정
입력 정규화와 경사 검사
[Deep Learning Specialization - 2단계] 1. 머신러닝 어플리케이션 설정하기
모델 생성에 사용되는 여러 집합, 편향과 분산
[Deep Learning Specialization - 1단계] 코스 수료
‘Deep Learning Specialization 1단계’를 수료하며
[Deep Learning Specialization - 1단계] 5. 심층 신경망 네트워크
심층 신경망에서의 정방향 연산과 역방향 연산
[Deep Learning Specialization - 1단계] 4. 얕은 신경망 네트워크
얕은 신경망에 벡터화를 이용한 경사하강법 적용하기
[Deep Learning Specialization - 1단계] 3. 파이썬과 벡터화
벡터화를 통한 반복문 없애기
[Deep Learning Specialization - 1단계] 2. 신경망과 로지스틱회귀
로지스틱 회귀와 경사하강법
[Deep Learning Specialization - 1단계] 1. 딥러닝 소개
신경망이란 무엇인가, 신경망의 종류와 활용
Data Science
[MIT 파이썬을 이용한 알고리즘의 이해] 코스 수료
‘MIT 파이썬을 이용한 알고리즘의 이해’를 수료하며
[MIT 파이썬을 이용한 알고리즘의 이해] 24. 병렬 프로세서 구조 & 알고리즘
동적 프로그래밍으로 프로세서의 성능 개선하기
[MIT 파이썬을 이용한 알고리즘의 이해] 23. 계산 복잡도
다양한 계산 복잡도 문제들
[MIT 파이썬을 이용한 알고리즘의 이해] 22. 동적 프로그래밍 4
동적 프로그래밍으로 실생활 문제해결
[MIT 파이썬을 이용한 알고리즘의 이해] 21. 동적 프로그래밍 3
동적 프로그래밍으로 실생활 문제해결
[MIT 파이썬을 이용한 알고리즘의 이해] 20. 동적 프로그래밍 2
동적 프로그래밍의 일반적 단계와 실생활 문제해결
[MIT 파이썬을 이용한 알고리즘의 이해] 18. 최단 경로 4 : 다익스트라 가속화
현실에서 잘 작동하는 최단 경로 구하기 가속화 방법들
[MIT 파이썬을 이용한 알고리즘의 이해] 17. 최단 경로 3 : 벨만 포드
벨만-포드 알고리즘
[MIT 파이썬을 이용한 알고리즘의 이해] 16. 최단 경로 2 : 다익스트라
DAG 최단경로, 다익스트라 알고리즘
[MIT 파이썬을 이용한 알고리즘의 이해] 15. 최단 경로 1 : 도입
가중치가 있는 최단 경로 문제
[MIT 파이썬을 이용한 알고리즘의 이해] 14. 그래프 2 : 깊이 우선 탐색
깊이 우선 탐색 알고리즘과 그 효용
[MIT 파이썬을 이용한 알고리즘의 이해] 13. 그래프 1 : 너비 우선 탐색
그래프에서의 너비 우선 탐색 알고리즘
[MIT 파이썬을 이용한 알고리즘의 이해] 12. 수 2
고정밀 나눗셈과 시간 복잡도
[MIT 파이썬을 이용한 알고리즘의 이해] 11. 수 1
무리수 정밀하게 계산하기, 카탈란 수
[MIT 파이썬을 이용한 알고리즘의 이해] 10. 해싱 3: 개방 주소법
개방 주소법과 암호학적 해싱
[MIT 파이썬을 이용한 알고리즘의 이해] 9. 해싱 2
해시 테이블 크기 조정, 분할상환 분석, 문자열 매칭
[MIT 파이썬을 이용한 알고리즘의 이해] 8. 해싱 1
딕셔너리와 해싱
[MIT 파이썬을 이용한 알고리즘의 이해] 7. 선형 시간 정렬
결정 트리, 선형 시간 정렬
[MIT 파이썬을 이용한 알고리즘의 이해] 6. 균형 이진 탐색 트리
균형 이진 탐색 트리 만들기
[MIT 파이썬을 이용한 알고리즘의 이해] 5. 일정 예약과 이진 탐색 트리
이진 탐색 트리(BST)
[MIT 파이썬을 이용한 알고리즘의 이해] 4. 힙 & 힙 정렬
힙, 최대 힙, 힙 정렬
[MIT 파이썬을 이용한 알고리즘의 이해] 3. 삽입 정렬과 합병 정렬
삽입 정렬과 병합 정렬
[MIT 파이썬을 이용한 알고리즘의 이해] 2. 계산 모델
임의 접근 머신, 포인터 머신과 파이썬에서의 계산 모델, 그리고 문서 거리 문제까지.
[MIT 파이썬을 이용한 알고리즘의 이해] 1. 극댓값 찾기
1차원과 2차원에서 극댓값 찾기
[MIT 데이터 사이언스 기초] 코스 수료
‘MIT 데이터 사이언스 기초’를 수료하며
[MIT 데이터 사이언스 기초] Chapter 14. Classification and Statistical Sins
지도학습 마무리 & 통계의 함정
[MIT 데이터 사이언스 기초] Chapter 13. Classification
지도학습: k-최근접 분류와 로지스틱 회귀
[MIT 데이터 사이언스 기초] Chapter 12. Clustering
비지도학습: 위계적 군집화와 k-평균 알고리즘
[MIT 데이터 사이언스 기초] Chapter 10. Understanding Experimental Data
왜 결정계수가 가장 좋은 모델을 선택하면 안되는가
[파이썬으로 시작하는 데이터 사이언스] 코스 수료
‘파이썬으로 시작하는 데이터 사이언스’를 수료하며
[MIT 데이터 사이언스 기초] Chapter 8. Sampling and Standard Error
1개의 샘플로 할 수 있는 많은 것들
[파이썬으로 시작하는 데이터 사이언스] 5. K-beauty 온라인 판매분석 - 1
tidy 데이터 만들기. 전처리와 시각화의 몇 가지 유용한 팁
[MIT 데이터 사이언스 기초] Chapter 7. Confidence Intervals
중심극한정리를 사용하여 ‘경험적인 규칙’을 룰렛에 적용하기. 확률밀도함수의 원리를 적용한 시뮬레이션으로 원주율의 값 구하기.
[파이썬으로 시작하는 데이터 사이언스] 4. 건강검진 데이터로 가설검정하기 - 2
seaborn을 사용한 다양한 시각화, 상관 계수 분석과 heatmap 그리기
[MIT 데이터 사이언스 기초] Chapter 6. Monte Carlo Simulation
몬테 카를로 시뮬레이션과 다양한 확률 법칙
[파이썬으로 시작하는 데이터 사이언스] 4. 건강검진 데이터로 가설검정하기 - 1
그룹화하기와 피벗테이블 만들기, 히스토그램과 막대그래프로 시각화하기
[MIT 데이터 사이언스 기초] Chapter 5. Random Walks
랜덤워크를 이용해서 시뮬레이션 모델 검증하고 변형하기
[파이썬으로 시작하는 데이터 사이언스] 3. 서울 종합병원 분포 확인하기 - 2
시각화의 다양한 방법, 데이터 색인하기, 지도 활용하기
[MIT 데이터 사이언스 기초] Chapter 4. Stochastic Thinking
확률과 이를 구하는 강력한 방법인 시뮬레이션 모델
[파이썬으로 시작하는 데이터 사이언스] 3. 서울 종합병원 분포 확인하기 - 1
결측치 다루기, 기초 통계량 파악하기, pandas만으로 시각화하기
[MIT 데이터 사이언스 기초] Chapter 3. Graph-theoretic Models
그래프와 최적화 문제. 이를 푸는 DFS와 BFS
[MIT 데이터 사이언스 기초] Chapter 2. Optimization Problems
탐색 트리의 개념과 동적 프로그래밍을 이용해 이를 효율적으로 계산하는 방법
[파이썬으로 시작하는 데이터 사이언스] 2. 데이터 분석 준비하기
Pandas로 csv파일 가져오기, 데이터셋 다루기
[MIT 데이터 사이언스 기초] Chapter 1. Introduction and Optimization Problems
간단한 OT, 계산모델, 최적화 모델, 무차별 대입 알고리즘과 탐욕 알고리즘에 대하여
IT Backyard
[응답하라] 9. 완성이자 새로운 시작. (끝)
베젤리스와 폴더블 스마트폰
[응답하라] 8. 포켓몬고가(이) 상륙했다. 효과는 굉장했다!
AR 열풍의 시작 포켓몬고
[응답하라] 7. 구글의, 구글에 의한, 구글을 위한
Made by Google. 픽셀폰의 탄생
[응답하라] 6. 결국 빛을 보지 못하다
타이젠, 그 가혹한 운명의 역사
[응답하라] 5. 모바일 산업 역사상 최악의 참사
가장 중요한 건 ‘기본’이다
[응답하라] 4. 기생 좀비의 등장
토종 앱 장터 ‘원스토어’ 납시오
[응답하라] 3. AI, 일상의 일부가 되다
알파고와 구글 홈, 챗 GPT까지
[응답하라] 2. 미래는 누구도 예측할 수 없다
갤럭시 S7의 성공
[응답하라] 1. 실험을 시작한 LG
LG 스마트폰 몰락의 시작. LG G5
Blog
블로그를 시작하며
시작