분류 전체보기 (61) 썸네일형 리스트형 빅데이터분석기사 필기 정리 1회차 시험이라 예상도 안되고 준비기간도 일주일이 안되기에 그냥 서점에서 젤 얇은 책 하나 사서 본다. 책이름은 영진닷컴의 이기적 빅데이터분석기사 필기이다. 목차는 다음과 같다. 목차 빅데이터 분석 기획 1. 빅데이터의 이해 1) 빅데이터 개요 및 활동 2) 빅데이터 기술 및 제도 2. 데이터 분석 기획 1) 분석 방안 수립 2) 분석 작업 계획 3. 데이터 수집 및 저장 계획 1) 데이터 수집 및 전환 2) 데이터 적재 및 저장 빅데이터 탐색 1. 데이터 전처리 1) 데이터 정제 2) 분석 변수 처리 2. 데이터 탐색 1) 데이터 탐색 기초 2) 고급 데이터 탐색 3. 통계 기법의 이해 1) 기술통계 2) 추론통계 빅데이터 모델링 1. 분석 모형 설계 1) 분석 절차 수립 2) 분석 환경 구축 2. 분.. ADsP 정리 예전에 셤 바로 전에 볼라고 대충 정리해놓은 워드파일을 발견해서 올린다. 그냥 의식의 흐름대로 정리한 거라 두서는 없지만, 시험을 앞두신 분들이 슥 보기에 나쁘지 않을 것. [Week 1] Quiz & Programming Assignments # Quiz 1. You are training an RNN, and find that your weights and activations are all taking on the value of NaN (“Not a Number”). Which of these is the most likely cause of this problem? Gradient Exploding 2. 다시 되새기자면, language model을 통한 random sampling sentences 에서 다음 step으로 넘기는 y_hat을 결정하는건 무작정 제일 높은 확률을 가진 단어를 선택하는 것이 아니라 그 확률대로 랜덤하게 뽑는 것. 즉 높은 확률이면 높은 확률로 뽑히겠지? 밑에 문제는 답이 4번. # Programming A.. [코세라] [Week 1] 1. Recurrent Neural Networks Recurrent Neural Networks 1. Why sequence models? 2. Notation 3. Recurrent Neural Networks 4. Backpropagation through time 5. Different types of RNNs 6. Language model and sequence generation 7. Sampling novel sequences 8. Vanishing gradients with RNNs 9. Gated Recurrent Unit 10. Long Short Term Memory(LSTM) 11. Bidirectional RNN 12. Deep RNNs 1. Why sequence models? 'Sequence' 가 있는 data의 예들이다. .. [Week 4] Quiz & Programming Assignments 1. CNN에 대해서 조금 정리하고 넘어가자. input image 14x14x3 이 있고, filter가 5x5x3 이고 개수가 20이라고 하자. 여기서 하나의 필터는 input image에서 '어떠한' 특성을 잡아낸다(세로선이든 대각선이든. 물론 층이 깊어질 수록 그런 단순한 수준보다는 더 복잡한 패턴을 인식하겠지 어찌됐든 뭔가 feature를 잡아낸다). 필터가 20개이므로 20개의 특성을 잡아내는 것. 이 연산의 결과로 10x10x20 이 산출된다. 이 산출값의 channel(20개) 각각은 서로 다른 filter가 씌워진 결과로서, channel 별로 다른 feature 를 capture(?) 한 것이다. 말로 표현하기 어렵네. Neural Style Transfer에서 채널별로 다른 featu.. [Week 4] 2. Neural Style Transfer Neural Style Transfer 1. What is neural style transfer? 2. What are deep ConvNets learning? 3. Cost Function 4. Content Cost Function 5. Style Cost Function 6. 1D and 3D generalizations 1. What is neural style transfer? 요로코롬 Content(C)를 넣었을 때, Style(S)에 맞게 Generated image(G)로 바꾸는 것. 참고. www.popit.kr/neural-style-transfer-%EB%94%B0%EB%9D%BC%ED%95%98%EA%B8%B0/ Neural Style Transfer 따라하기 | Popit St.. [Week 4] 1. Face recognition Face recognition 1. What is face recognition? 2. One Shot Learning 3. Slamese Network 4. Triplet Loss 5. Face Vertification and Binary Classification 1. What is face recognition? - Verification : Image가 해당 사람과 일치하는지 1:1 확인을 하는 것 - Recognition : K 명의 사람에 대한 데이터베이스를 가지고 있을 때, Image 가 누가인가? Verification이 99%의 정확도를 갖고, K=100이면 Recognition을 한번 실행할 때마다 1번의 오류가 생길 것이다. 따라서 Verification의 정확도는 훨씬 높아야하고 그.. [Week 3] Quiz & Programming Assignments # Quiz 앞서 IoU threshold를 왜 정하나 했는데, 위 사진에서 나무에 2가지 박스가 겹쳐있다. 위와 같은 경우, 두 박스가 겹친부분이 0.5를 넘지 않으므로 다른 객체로 보는 것. 따라서 위 사진에서 남는 박스 수는 5개. # Programming Assignments 1. YOLO, Anchor box - YOLO와 Anchor box를 이해하기 쉬운 아주 좋은 그림이다. - 모델을 만들고 실제로 image를 넣으면, 알고리즘에 따라 Pc의 확률은 각각 다르겠지만, (anchor box가 5개, 19x19 image, 80 class)라고 했을 때, 각 셀마다 5개의 box를 만들어 낼 것이다(물론 그 중에서 Pcxclass값이 최고인게 의미가 있겠지만은...). 총 19x19x5 개의 .. [Week 3] 1. Detection Algorithm Detection Algorithm 1. Object Localization 2. Landmark Detection 3. Object Detection 4. Convolutional Implementation of Sliding windows 5. Bounding Box Predictions 6. Intersection over Union 7. Non-max suppression 8. Anchor Boxes 9. YOLO Algorithm 10. Region Proposals 1. Object Localization 1) What are localization and detection? - Image classification : 해당 사진의 물체가 무엇을 나타내는가? - Classification wi.. [Week 2] Programming assignments 본 게시물은 andrew ng 교수님 deeplearning specialization 강좌의 강의노트입니다. 1. Keras convention 텐서플로에서 z1=..., a1=... 로 변수와 layer를 모두 따로 저장한 반면에, keras에서는 x_input을 제외하고 x로 계속 덮어씌운다. 1) 모델 정의 def HappyModel(input_shape): """ Implementation of the HappyModel. Arguments: input_shape -- shape of the images of the dataset (height, width, channels) as a tuple. Note that this does not include the 'batch' as a dimens.. 이전 1 2 3 4 5 6 7 다음
