모두를 위한 머신러닝 / 딥러닝 김성훈 교수님 강의를 듣고 정리한 내용입니다.Lab 02 - tensorflow로 간단한 linear regression을 구현 @ Linear regression- cost function이 가장 작은 W, b를 구하는 것 : minimize cost(W,b)- hypothesis- cost function @ TensorFlowimport os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import tensorflow as tf # data set x_train = [1, 2, 3] y_train = [2.1, 3.1, 4.1] # placeholder X = tf.placeholder(tf.float32, shape=[None]) Y =..
모두를 위한 머신러닝 / 딥러닝 김성훈 교수님 강의를 듣고 정리한 내용입니다. Lec 02 - linear regression의 hypothesis 와 cost @ Supervised Learning / Linear Regression 예제ex) 공부 시간에 따른 점수(0 ~ 100) 예측- 과거 실제 공부 시간에 따른 점수 데이터 셋 필요- 공부시간(x), 점수(H(x))의 그래프를 그려서 분포에 가장 적절한 Linear한 모델을 가설 H(x) = Wx + b- W, b 값을 임의의 값으로 주고 실제 데이터를 연산하여 H(x)의 값과 실제 값의 차이인 Cost를 계산- Cost가 최소값이 되는 W와 b 찾기 @ (Linear) Hypothesis- data의 규칙을 예상한 가설 함수 @ Cost fun..
모두를 위한 머신러닝 / 딥러닝 김성훈 교수님 강의를 듣고 정리한 내용입니다.lab 01 - tensorflow의 설치 및 기본적인 operations @ TensorFlow : 오픈소스 라이브러리. data flow graph를 이용하여 수를 계산- data flow graph? * graph : node와 edge로 구성된 것* node : 연산과 관련된 operation* edge : node를 연결하는 데이터(tensor)* data flow graph : 데이터(tensor)가 node와 edge로 구성된 graph를 따라 흐르면서 결과를 얻는 것 - Window 설치python 3.5 (3.6에서 error나서 3.5 설치하니까 됨)pip install tensorflow - 설치확인impor..
모두를 위한 머신러닝 / 딥러닝 김성훈 교수님 강의를 듣고 정리한 내용입니다. Lec 01 - 기본적인 machine learning 의 용어와 개념 설명 @ ml 등장 배경- explicit programming (개발자가 모든 상황을 지정하는 기존 프로그래밍 방법)의 한계 @ 학습의 분류1. Supervised Learning : labeled training data set을 가지고 학습ex) 개와 고양이 분류 - 고양이, 개 분류가 되어있는 이미지를 주고 학습 2. Unsupervised Learning : label을 직접 만들어주지 않고, 데이터를 스스로 학습ex) 구글 뉴스 분류 @ Supervised Learning- 학습 조건 : labeled training data set 필요- 종류..
모두를 위한 머신러닝 / 딥러닝 김성훈 교수님 강의를 듣고 정리한 내용입니다. Lec 00 - machine/deep learning 수업의 개요와 일정 @ 학습목표 : 머신러닝에 대한 기본적인 이해- ClassificationLinear regression, Logistic regression - Deep LearningNeural networksCNN (Convolutional Neural Network)RNN (Recurrent Neural Network) @ 학습계획1. Machine learning basic concepts2. Linear regression3. Logistic regression4. Multivariable linear/logistic regression5. Neural ne..
