homebody's blog

1. Pycharm을 구글에서 검색한다. https://www.jetbrains.com/pycharm/ 2. 메인페이지에 있는 Download Now를 클릭한다. 3. Community 버전을 다운로드 받는다. 4. 다운로드를 다 받았으면 설치를 시작한다. Next 선택 5. 다음에 나오는 선택창은 설치되는 경로를 설정하는 창이다. 원하는 곳으로 바꾸던지 아니면 그냥 그대로 설치하면 된다. 6. 폴더에서 마우스 오른쪽 버튼을 클릭해서 나오는 메뉴에서 해당 폴더를 바로 프로젝트로 열 수 있도록 하기 위해서 Add "Open Folder as Project"를 선택하였고 Python 파일을 Pycharm으로 열게 하기 위해서 Create Associations를 선택하였다. 7. 설치 버튼을 누른다. 8. ..

함수(Function) def func(parameter1, parameter2): code line1 code line2 return value 함수 선언은 def로 시작하여 :으로 끝나고, 다음은 4spaces 들여쓰기로 코드 블록을 만든다. 함수는 매개변수(parameter)를 넘겨줄 수도 있다. 함수는 동작후에 return을 통해 결과값을 전달 할 수도 있다. (return 값이 없으면, None을 반환) 함수는 호출을 func(val1, val2)와 같이 한다. 문제 - 1 rectangle() 함수 만들기 def rectangle(height, width): return 2 * (height + width), height * width print("{}".format(rectangle(30, ..

조건문(if) 제어문(Control of Flow)은 크게 반복문과 조건문으로 나눌 수 있고, 이는 순서도(Flow chart)로 표현이 가능하다. if문 if 문은 반드시 일정한 참/거짓을 판단할 수 있는 조건식과 함께 사용이 되어야한다. if : 이 참인 경우 : 이후의 문장을 수행한다. 이 거짓인 경우 else: 이후의 문장을 수행한다. 파이썬에서는 반드시 들여쓰기를 유의해야한다. 파이썬에서는 코드 블록을 자바나 C언어의 {}와 달리 들여쓰기로 판단하기 때문이다. 들여쓰기는 맞춰 주기만 하면 되기 때문에 칸수는 상관이 없다. PEP-8에서 권장하는 4spaces를 사용하는 것이 좋다. 실습문제1 - 조건문 기초 활용 # 조건문을 통해 변수 num의 값과 홀수/짝수 여부를 출력 # 예시 출력) # 3..

set(집합) a = {value1, value2, value3} set은 기본적으로 순서가 없다. set는 수학에서의 집합과 동일하게 처리된다. set는 중괄호{}를 통해 만들며, 순서가 없고 중복된 값이 있으면 1개만 저장된다. set_a = {1,2,3} set_b = {3,6,9} print(set_a - set_b) print(set_a | set_b) print(set_a & set_b) # 중복된 값 없애기 l = [1,2,3,1,2,3,4,1,5,1] l = list(set(l)) print(l) dictionary(딕셔너리) a = {Key1:Value1, Key2:Value2, Key3:Value3, ...} 딕셔너리는 key와 value가 쌍으로 이뤄져있으며, key는 value를 찾..

시퀀스(sequence) 자료형 Sequence 자료형 Sequence는 데이터의 순서대로 나열된 형식을 나타낸다. **주의! 순서대로 나열된 것이 정렬되었다라는 뜻은 아니다.** 리스트(list) a = [value1, value2, value3] 리스트는 대괄호 []를 통해 만들 수 있다. 값에 대한 접근은 list[i]를 통해야 한다. l = [] print(l) location = ['서울', '대전', '구미', '광주', '부산'] print(location) print(type(location)) print(location[0])#indexing print(location[1:5])#slicing print(location[1:]) print(location[:4]) print(locatio..

연산자 산술 연산자 Python에서는 기본적인 사칙연산이 가능하다. print(5/2) # 정수/정수는 실수형 print(5//2) print(5%2) print(2**1000) print(divmod(5,3)) # 몫과 나머지를 반환 양수/음수도 표현 가능 a = 5 print(-a) 비교 연산자 우리가 수학에서 배운 연산자와 동일하게 값을 비교할 수 있다. 반환값으로 bool변수 True, False를 반환해준다. 논리 연산자 우리가 보통 알고 있는 &, |은 파이썬에서 비트 연산자이다. print(True and True) print(True and False) print(False and True) print(False and False) print(True or True) print(True o..

Python 기초 식별자 변수명 내장함수 : 사용자의 편의를 위해 미리 선언해놓은 함수 내장함수의 이름을 변수로 사용할 수 있지만, 해당 내장함수의 기능을 상실하게 된다. 변수와 내장함수의 이름이 같으면 변수의 우선순위가 더 높다. 그러므로 변수의 값을 먼저 불러온다. 인코딩 선언 # -- coding: encoding -- 주석 자신이 작성한 코드에 대한 설명을 잘 달아 놓아야 나중에 읽기 편하고 다른 사람들도 알아보기 쉽다. 주석을 한줄을 쓸 때는 #, 여러 줄은 """,''' 을 사용한다. 코드 라인 기본적으로 파이썬은 ;을 사용하지 않지만, ;을 사용하면 한 줄에 여러 코드를 작성할 수 있다. 한줄을 여러줄로 나누어 작성할 때는 역슬래시 \를 사용하여 작성할 수 있다. [], {}, ()는 시퀀스..

1. https://www.python.org/에서 Downloads 탭에 마우스를 올라면 3.7.3 버전을 다운로드 할 수 있다. 2. 다운로드를 받아서 설치를 시작한다. 처음 나오는 창에서 Add Python3.7 to PATH를 체크하고 Install Now를 클릭한다. Customize installation을 선택해서 자신이 원하는대로 설치를 할 수도 있다. 3. 설치 완료 4. Python 3.7 IDLE 창을 열어본다. 5. 인터프리터 창이 나오는 것을 볼 수 있다. 6. 해당 창에서 python 문법을 테스트 해보면 된다.

AI/ML 설명 머신러닝 vs 빅데이터 빅데이터 빅데이터는 말그대로 데이터가 많다는 의미 머신러닝 빅데이터들을 어떻게 하면 분석, 이해, 예측을 할 수 있을까에 대한 방법론 중 하나 머신러닝 vs Data Mining 대부분이 정형 데이터를 쓰고 그 정형 데이터라는 것은 데이터 정보가 테이블로 나타나 있다는 것이다. 머신러닝의 주된 목표은 비정형 데이터를 분석이하는 것에 있다. 대표적인 비정형 데이터는 이미지, 텍스트(뉴스, 블로그등)등이 있다. 머신러닝 vs AI(Artificial Intelligence) 머신러닝은 AI의 일부분이며, AI는 인공지능이며 사람의 지능을 어떻게하면 컴퓨터도 가지게 하는지가 AI이다. 인공지능을 만드는 방법은 여러가지가 있을 수 있다. 그 중에서 많은 데이터들을 베이스로..

TensorFlow(Logistic Regression/Classification의 소개) Binary(Multi-class) Classification 머신러닝을 하기 위해서는 0과 1로 나뉘어야한다. ex) 시험 : 합격 / 불합격 스팸메일필터 : 스팸메일 / 정상메일 얼굴인식 : Real / Fake x_train = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_train = [[0], [0], [0], [1], [1], [1]] Logistic VS Linear Logistic을 적용하기 위한 데이터 두가지의 케이스로 구분선을 이용하여 구별을 할 수 있고 셀 수 있으며, 흩어져 있다. ex) 신발 사이즈, 직원 수 Linear을 적용하기 위한 데이터 ..

TensorFlow(Multi-variable Linear Regression을 TensorFlow로 구현) Hypothesis using matrix # data and label x1 = [73., 93., 89., 96., 73.] x2 = [80., 88., 91., 98., 66.] x3 = [75., 93., 90., 100., 70.] Y = [152., 185., 180., 196., 142.] # weights w1 = tf.Variable(10.) w2 = tf.Variable(10.) w3 = tf.Variable(10.) b = tf.Variable(10.) hypothesis = w1 * x1 + w2 * x2 + w3 * x3 + b 전체 code import tensorflow..

TensorFlow(Multi-variable Linear Regression) Hypothesis Cost function Multi -variable 변수의 개수가 적을 때는 수식을 그냥 전개해도 불편하지 않지만 변수의 개수가 아주 많이 증가하게 된다면 전부 전개하는 방식은 불편하다. 그래서 Matrix가 필요하다. Matrix 표기를 위해서 Matrix multiplication을 사용한다. H(X) = XW Matrix를 사용할 때는 X를 W앞에 쓴다. Matrix를 곱셈 연산할 때는 앞에 있는 행과 뒤에 있는 열을 연산하기 때문이다. Hypothesis using matrix Matrix 연산에서는 앞에 있는 Matrix의 열과 뒤에 있는 Matrix의 행의 개수가 같아야 연산이 가능하다. Ma..

TensorFlow(Linear Regression and How to minimize cost) How to minimize cost? cost function을 그래프로 그려보면 2차 함수 그래프 처럼 나온다. 여기서 최소값을 찾으면 된다. Gradient descent algorithm(경사하강법, 경사하강알고리즘) 경사를 따라 내려가면서 최저점을 찾도록 설계된 알고리즘 Cost가 최소화가 되는 W, b를 찾는다. 변수가 1개나 2개일 때 뿐만 아니라 여러 개일 때도 사용가능하다. 동작 방식 추정을 통해서 W, b를 정한다. 랜덤도 가능 W, b값을 줄어들 수 있도록 조금씩 수정한다. W, b 값을 지속적으로 업데이트할 때 기울기값을 구해서 cost가 최소화 되는 방향으로 업데이트 이 과정을 최소점..

TensorFlow(Simple Linear Regression을TensorFlow로 구현) x_data = [1,2,3,4,5] y_data = [1,2,3,4,5] W = tf.Variable(2.9) b = tf.Variable(0.5) # hypothesis = W * x + b hypothesis = W * x_data + b cost = tf.reduce_mean(tf.square(hypothesis - y_data)) Cost가 최소가 되는 W, b를 찾는 알고리즘 Gradient descent(경사하강알고리즘 or 경사하강법) # Learning_rate initialize learning_rate = 0.01 # Gradient descent with tf.GradientTape() as..

TensorFlow(Simple Linear Regression) Regression(회귀) "Regression toward the mean" 전체의 평균으로 되돌아간다는 의미, 데이터가 굉장히 크거나 작은 것들이 나와도 결국에는 전체의 평균으로 돌아가려는 성질이 있다는 의미 Linear Regression(선형회귀) 데이터를 가장 잘 대변하는 직선의 방정식을 찾는 것 그래프에서 데이터들이 분포가 되어 있을 경우, 해당 데이터들을 가장 잘 대변하도록 선을 그으면 어떻게 될 것인가가 선형회귀의 핵심이다. H(x) = Wx + b 직선의 방정식을 구하는 방법은 H(x) - y 들의 합이 작으면 작을수록 잘 대변한다는 의미, 가설로 세운 방정식의 값과 실제 데이터의 값의 차이의 합들이 작아야한다. 즉, 비용..

TensorFlow(basic ML의 용어와 개념 설명) Machine Learing 정교하게 모든 상황들을 프로그래머가 커버하기에는 너무나 많기 때문에 어떤 자료 또는 현상에서 자동으로 학습해서 능력을 가지게 되는 소프트웨어 학습을 하기 위해서는 label이 붙어있는 example이 주어져야 한다.(Supervised learning) 미리 lable를 달기가 어려운 경우가 있다. 이럴 경우는 데이터를 보고 스스로 학습을 하게 된다.(Unsupervised learning) Supervised learning 머신러닝에서 가장 일반적인 문제 Image labeling Email spam filter Predicting exam score Training data set 머신러닝을 시켜서 답을 얻기 위해..