박해선

[책] 핸즈온 머신러닝(오렐리앙 제롱)

# (책) 읽게 된 이유 전세계에서 가장 많이 팔린 머신러닝 도서인 이 출간되었다는 소식을 들었다. 원서의 인기가 번역서에 잘 이어지지 않는 도서도 꽤 많으나, 은 원서 못지 않은 인기를 얻기에 읽게 되었다. # 내용 한줄 요약: 실무 밀착형 예제부터 스테이블 디퓨전 등 최신 머신러닝 트렌드까지. 주요 인공 지능 콘퍼런스에서 전문가들이 소개한 최고의 실전 지침서. KeyPoint: 컴퓨터 비전, 자연어 처리 최신 기술 수록(stable diffusion, ...) 최신 라이브러리(keras tuner, tranformer) 기반 코드 예제 블로그: 책 내용과 관련된 각종 자료 제공 - https://tensorflow.blog/handson-ml3/ Github: 코드와 관련된 문제나 피드백 즉시 반영 ..

[Study] 혼공학습단 10기: 혼자 공부하는 머신러닝+딥러닝(박해선) - Chapter 07 다양한 분류 알고리즘(6주차)

스터디 스터디 범위 Chapter 07 딥러닝을 시작합니다 ▶️패션 럭키백을 판매합니다! 07-1 인공 신경망 ▶️ 텐서플로로 간단한 인공 신경망 모델 만들기 07-2 심층 신경망 ▶️인공 신경망에 층을 추가하여 심층 신경망 만들어 보기 07-3 신경망 모델 훈련 ▶️인경 신경망 모델 훈련의 모범 사례 학습하기 스터디 내용 07-1 인공 신경망 인공 신경망: 생물학적 뉴런에서 영감을 받아 만든 머신러닝 알고리즘으로, 신경망은 기존의 머신러닝 알고리즘으로 다루기 어려웠던 이미지, 음성, 텍스트 분야에서 뛰어난 성능을 발휘하면서 크게 주목받고 있습니다. 인공 신경망 알고리즘을 종종 딥러닝이라고도 부릅니다. 텐서플로: 구글이 만든 딥러닝 라이브러리, CPU와 GPU를 사용해 인공 신경망 모델을 효율적으로 훈련..

[Study] 혼공학습단 10기: 혼자 공부하는 머신러닝+딥러닝(박해선) - Chapter 06 비지도 학습(5주차)

스터디 스터디 범위 Chapter 06 비지도 학습 06-1 군집 알고리즘 ▶️ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기 06-2 k-평균 ▶️k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기 06-3 주성분 분석 ▶️차원을 알고 차원 축소 알고리즘 PC 모델 만들기 스터디 내용 06-1 군집 알고리즘 ▶️ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기 비지도 학습: 머신러닝의 한 종류로 훈련 데이터에 타깃이 없습니다. 타깃이 없기 때문에 외부의 도움 없이 스스로 유용한 무언가를 학습해야 합니다. 대표적인 비지도 학습 작업은 군집, 차원 축소 등입니다. 히스토그램: 구간별로 값이 발생한 빈도를 그래프로 표시한 것입니다. 보통 x축이 값의 구간(계급)이고..

[Study] 혼공학습단 10기: 혼자 공부하는 머신러닝+딥러닝(박해선) - Chapter 05 트리 알고리즘(4주차)

스터디 스터디 범위 Chapter 05 트리 알고리즘 05-1 결정 트리 ▶️결정 트리 알고리즘을 사용해 새로운 분류 문제 다루기 05-2 교차 검증과 그리드 서치 ▶️검증 세트가 필요한 이유를 이해하고 교차 검증해 보기 05-3 트리의 앙상블 ▶️ 앙상블 학습을 알고 실습해 보기 스터디 내용 05-1 결정 트리 ▶️결정 트리 알고리즘을 사용해 새로운 분류 문제 다루기 결정 트리(Decision Tree): 예 / 아니오 에 대한 질문으로 정답을 찾아 학습하는 알고리즘. 예측 과정을 이해하기 쉽고 성능도 좋음. 불순도(Impurity): 결정 트리가 최적의 질문을 찾기 위한 기준이며, 사이킷런은 지니 불순도와 엔트로피 불순도를 제공 지니(Gini) 불순도: 각 클래스의 비율을 제곱해서 더한 다음 1에서 ..

[Study] 혼공학습단 10기: 혼자 공부하는 머신러닝+딥러닝(박해선) - Chapter 04 다양한 분류 알고리즘(3주차)

스터디 스터디 범위 Chapter 04 다양한 분류 알고리즘 04-1 로지스틱 회귀 ▶️로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률 예측하기 04-2 확률적 경사 하강법 ▶️경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하기 스터디 내용 04-1 로지스틱 회귀 ▶️로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률 예측하기 K-최근접 이웃: 이웃한 샘플의 클래스 비율로 확률 기반 분류 모델이지만, 근접한 이웃 수(K)에 연관된 이산적인 확률을 출력하는 단점. 로지스틱 회귀: 선형 방정식을 사용한 분류 알고리즘. 선형 회귀와 달리 시그모이드 함수나 소프트맥스 함수를 사용하여 연속적인 클래스 확률을 출력가능. 이진 분류: 시그모이드(sigmoid) 함수, ..