오랑우탄의 반란

딥러닝 Deep Learning  딥러닝은 머신러닝의 한 분야로, 신경세포 구조를 모방한 인공 신경망(Artificial Neural Networks)을 사용합니다.  딥러닝은 머신러닝과 기본적인 흐름은 같지만 내부 구조가 다르며 자연어 처리와 이미지 처리에 최적화 되어 있는 기법입니다. 둘 다 데이터로부터 가중치를 학습해서 패턴을 인식하고 결정을 내리는 알고리즘 개발과 관련된 AI의 하위 분야입니다. (머신러닝은 데이터 안의 통계적 관계를 찾아내 예측/부류를 함) 인공 신경망(Artificial Neural Networks): 인간의 신경세포를 모방하여 만든 망(Networks)퍼셉트론(Perceptron): 인공 신경망의 가장 작은 단위앞서 선형회귀에서 키와 몸무게를 예제 데이터를 퍼셉트론으로 표현하..

지금까지 머신러닝의 대표적인 지도학습인 회귀/분류를 살펴봤는데요머신러닝의 다른 종류인 비지도학습과 그 대표적인 예시 K-Means Clustering을 알아보겠습니다.  비지도학습이란? 데이터의 유사성을 기반으로 레이블링해서 답을 지정하는 작업정답이 없는 문제이기 때문에 주관적인 판단이 개입됨예시) 고객 특성에 따른 그룹화 (헤비유저 vs 일반유저) K-Means Clustering 이론K개의 군집 수 설정임의의 중심점 선정해당 중심점과 거리가 가까운 데이터를 그룹화 데이터 그룹의 무게중심으로 중심점 이동중심점을 이동했기 때문에 다시 거리가 가까운 데이터 그룹화 위 과정 3~5번 반복장점- 일반적이고 적용이 쉬움단점- 거리 기반 가까움 측정이기 때문에 차원 많을수록 정확도 떨어짐- 반복 횟수가 많을수록 ..

머신러닝이란? 관측된 패턴을 기반으로 의사 결정(예측, 분류)을 하기 위한 알고리즘 알고리즘이 문제풀이를 통해 해답을 찾아가는 과정이라면,머신러닝은 해답을 미리 학습시켜 스스로 문제풀이를 할 수 있게 설계하는 것  머신러닝 종류지도 학습 Supervised Leaning → 예측, 분류비지도 학습 Unsupervised Learning → 연관 규칙, 군집강화 학습 Reinforcement Learning → 보상  머신러닝 적용 분야머신러닝금융 신용평가, 사기탐지, 주식 예측 헬스케어 질병 예측, 환자 데이터 분석 이커머스 고객 구매 패턴 분석, 추천 시스템, 가격 최적화, 장바구니 분석 딥러닝 자연어처리 번역, 챗봇, 텍스트분석 이미지&영상처리 얼굴인식, 이미지 생성

오늘도 오랑이는 문제를 풉니다.  덧칠하기   풀이 과정처음엔 입출력 예시만 고려한 채로 아래와 같은 코드로 풀었습니다. section 의 최댓값과 최솟값의 차에 대해서 m과 들어맞는지 확인하고 결과물을 출력하는 방식이지요. def solution(n, m, section): answer = 0 i = section[len(section)-1] - section[0] + 1 if i//m == 0: answer = 1 else: if i%m == 0: answer = i//m else: answer = i//m+1 return answer 하지만 채점 결과 정확성이 반밖에 되지 않더군요. 예외케이스가 ..

오늘도 오랑이는 문제를 풉니다.  모의고사  풀이 과정각 수포자의 답이 answers 리스트와 일치하는지 비교일치할 경우 리스트 형태로 각각 점수 부여부여된 점수 중 최고값에 해당하는 인덱스값 + 1 을 리스트로 반환 위 조건에 따라 코드를 설계해봅시다.우선 전체 점수와 각 수포자의 답을 리스트 형태로 저장해줍니다. def solution(answers): answer = [] score = [0,0,0] g1 = [1,2,3,4,5] g2 = [2,1,2,3,2,4,2,5] g3 = [3,3,1,1,2,2,4,4,5,5] 이제 조건을 나열해봅시다. 각 수포자에 대해 answers[ i ] 와 g[ i % 리스트 길이] 를 비교해줍니다. 나머지값으로 answers 길이가..