본문 바로가기

전체 글

 (72)
컬렉션 자료형: 리스트, 튜플, 딕셔너리 1. 컬렉션 자료형: 리스트, 튜플, 딕셔너리✅ 리스트 (List)가장 많이 사용하는 자료구조 중 하나순서가 있으며, 변경(수정/삭제) 가능하고, 중복 허용대괄호 [] 사용fruits = ['apple', 'banana', 'cherry'] 자주 사용하는 리스트 메서드메서드 설명 예시append(item)리스트 맨 뒤에 추가fruits.append('grape')insert(pos, item)특정 위치에 추가fruits.insert(1, 'orange')extend(list)리스트에 다른 리스트 확장fruits.extend(['kiwi', 'melon'])pop([pos])특정 위치(기본 마지막)의 요소 제거fruits.pop()remove(item)특정 값을 가진 첫 번째 항목 제거fruits.remo..
Matplotlib / Numpy Matplotlib (맷플롯립) 1. Matplotlib이란?파이썬의 시각화 라이브러리로, 데이터를 그래프로 쉽게 표현할 수 있음Pyplot은 Matplotlib의 가장 많이 쓰는 서브모듈2. Pyplot 구성 요소구성 요소설명figure전체 그래프의 틀 (도화지 전체)axes그래프가 실제로 그려지는 영역 (x축, y축 포함)subplot한 figure 안에 여러 개의 axes를 넣을 수 있는 기능예시:import matplotlib.pyplot as pltfig, ax = plt.subplots() # figure와 axes 생성ax.plot([1, 2, 3], [4, 5, 6]) # 그래프 그리기plt.show()plt.subplots()는 도화지 위에 공간을 나눠 그래프를 여러 개 그릴 때 사용..
딥러닝 개념 딥러닝 개념1. 손실 함수 (Loss Function)손실 함수(Loss) 는 모델의 예측값과 실제 정답의 차이를 수치로 나타냄예: L = f(p) (L은 손실 값, p는 예측 결과)L은 스칼라값 (즉, 하나의 수)p는 스칼라/벡터/행렬 등 다양할 수 있음손실 함수는 작을수록 좋다!손실을 줄이는 것이 모델 학습의 목표분류 문제에서는 크로스 엔트로피(Cross Entropy) 를 주로 사용2. 경사 하강법 (Gradient Descent)손실 값을 가장 작게 만드는 가중치(weight) 를 찾기 위한 알고리즘손실 함수의 기울기(경사) 를 따라 가중치를 조금씩 바꿔감러닝레이트 (learning rate 또는 alpha)한 번에 이동하는 거리 (step size)너무 작으면: 학습이 느림너무 크면: 최소점을 ..
인공신경망 MLP,CNN 1.  신경망(Neural Network) 학습 과정신경망은 입력 → 출력을 매핑해주는 모델로, 학습은 예측값과 실제값의 차이(=오차)를 줄이는 과정이때 중요한 역할을 하는 게 손실 함수 (Loss Function)!2.  손실 함수 (Loss Function)예측값과 실제 정답 사이의 차이를 수치로 나타냄손실 함수 값이 작을수록 모델이 잘 맞췄다는 뜻분류 문제에서는 크로스 엔트로피 (Cross Entropy) 가 대표적:예측 확률 분포와 실제 정답(원-핫 벡터) 분포의 차이를 측정정답 클래스에 높은 확률을 줄수록 손실이 작아짐3. 최적화 함수 (Optimizer)손실 값을 줄이기 위해 가중치(weight) 를 업데이트하는 도구대표적인 알고리즘:SGD (Stochastic Gradient Descent)..
CIFAR-10로 CNN 이미지 분류 # 필요한 라이브러리 불러오기import torch # 딥러닝 기본 라이브러리from torch import nn # 신경망을 쉽게 만들 수 있는 도구from torch.utils.data import DataLoader # 데이터를 배치(batch) 단위로 불러오는 도구import torchvision # 이미지 데이터셋 관련 도구 모음from torchvision import datasets, transformsimport matplotlib.pyplot as plt # 그래프 그릴 때 사용import numpy as np # 수학 계산을 쉽게 해주는 도구# GPU가 가능하..
CNN(Convolutional Neural Network) CNN(Convolutional Neural Network)1. CNN 개요CNN(Convolutional Neural Network)은 이미지 데이터 처리에 특화된 딥러닝 모델로, 특징 추출(Feature Extraction)과 분류(Classification)를 자동으로 수행할 수 있다.(1) CNN의 주요 구성 요소Convolution Layer (컨볼루션 레이어) → 이미지 특징 추출Activation Function (비선형 활성화 함수, 주로 ReLU) → 비선형성 부여Pooling Layer (풀링 레이어) → 차원 축소, 중요한 정보 유지Fully Connected Layer (완전 연결층) → 최종 분류2. 컨볼루션 연산 (Convolution Operation)(1) 컨볼루션 필터(3×..
지표 설계 및 데이터 분석 프로세스 지표 설계 및 데이터 분석 프로세스 정리1. 지표 설계 (Metric Design)지표는 비즈니스 목표를 정량적으로 측정하는 도구로, 팀별로 서로 다른 관점을 가짐.(1) 지표 설계 프로세스비즈니스 목표 정의주요 KPI(Key Performance Indicator) 설정예: MAU(월간 활성 사용자), 전환율, 이탈률SQL 테이블 구축데이터 마트(Data Mart) 설계 및 구축테이블 구조 정의: 트랜잭션 데이터, 유저 로그, 광고 효과 등데이터 시각화대시보드 설계 및 개발 (Tableau, Power BI)다양한 부서에서 해석할 수 있도록 가독성 높이기분석 및 보고PM/마케터와 협업: 회의 참석하여 데이터 기반 의사결정 지원분석 보고서 작성: 대시보드 변화에 대한 해석 및 원인 분석2. SQL 기반 ..
비선형 함수(Nonlinear Function)의 필요성 비선형 함수(Nonlinear Function)의 필요성 정리1. 선형 함수 vs 비선형 함수선형 함수(Linear Function): 직선의 형태로 데이터를 분리 가능비선형 함수(Nonlinear Function): 곡선을 활용하여 복잡한 패턴을 표현 가능(1) 선형 함수만 사용하면 발생하는 문제뉴럴 네트워크에서 선형 변환(행렬 곱셈)만 계속하면 결국 하나의 선형 변환으로 축소됨예: 3개 레이어 중 중간 레이어가 사라지는 효과 발생즉, 딥러닝(Deep Learning)이 아닌 단순한 선형 모델(Linear Model)이 되어버림(2) 딥러닝에서 비선형 함수의 필요성뉴런(Neuron) 수가 많아질수록 모델 성능이 향상됨비선형 활성화 함수(Activation Function)를 추가하면 레이어의 역할이 유..
728x90

티스토리툴바