ㅅㅇ

java 개요 & 변수 & 객체 생성 및 메소드 구현 python 과 다른 java 코드 만의 특성을 잘 파악하자. 0. Type of Cases - 관례적으로 PascalCase - class UPPER_SNAKE_CASE - 상수 camelCase - 변수, 메소드 1. java 프로그램 실행 방식 1-1 program 시작하는 방식 1) java에서 실행을 위한 필수 메소드 - 아래 클래스 안 {} 에서만 public static void main(String[] args) { } // step01 디렉토리 하단에 Syntax1.java로 저장한 형식 package step01; import org.junit.Test; public class syntax1 { public static void ma..

JDK & JDE 설치 및 환경변수 설정 개발 플랫폼 등 모든 설치는 한 디렉토리에 고정해서 다운 받기. -- 00.SW 99.devEnv lib 또한 한 디렉토리에 고정해시키기. -- 00.lib 1. JDK 설치 - openjdk11 1. 설치 https://jdk.java.net/archive/ Archived OpenJDK GA Releases Archived OpenJDK General-Availability Releases This page is an archive of previously released builds of the JDK licensed under the GNU General Public License, version 2, with Classpath Exception. WARN..

플레이데이터 빅데이터캠프 공부 내용 _ 7/14 딥러닝 _05_Deep Neural Networks 모델 성능 개선 기법들 0. 성능을 결정하는 요소 => 최적화 - 일반화 학습 !! (과적합 줄이기) 특히, 딥러닝에서는 과대적합을 줄일 수 있어야 한다.!! [ 정확도 와 Loss 중 무엇을 더 중요시 생각해야 할까? ] = > 성능을 비교할 때는 항상 loss가 기준이다. 정확도는 참고사항 그렇다면, 애초에 Accurancy 와 Loss 의 성능의 결과는 왜 일치 하지 않을까? - 정확도는 label 을 기준으로 몇 개 중에 몇 개를 맞췄는 지 보는 것이다. - Loss 는 얼마만큼의 확률로 맞췄는지 보는 것이다. (그저 맞춘 것 뿐만 아니라, 얼마만큼의 오차를 가지고 있는지까지 보는 것.) - 틀리더..

플레이데이터 빅데이터캠프 공부 내용 _ 7/13 딥러닝 _04_tfdata 파이프라인 1. tf.data 모듈 - 데이터 입력 파이프라인을 위한 모듈 : 모델에 입력해줄 데이터를 만드는 파이프라인 => 모델 학습/평가를 위한 대용량 데이터셋을 제공(feeding)하기 위한 모듈 => raw dataset 에서 입력을 위한 전처리, 배치 크기, shuffling 등을 한번에 처리할 수 있게 한다. - tf.data.Dataset 추상클래스에서 상속된 여러가지 클래스들을 제공 - 입력 소스의 제공 형태에 따라 다양한 방식을 제공 - 각 tf.data 함수들은 각 기능에 맞게 데이터를 처리하는 Dataset 객체 를 반환한다. = > 반환되는 Dataset 은 또다른 tf.data 함수의 input 으로 들어..

플레이데이터 빅데이터캠프 공부 내용 _ 7/8 머신러닝 _ 15_로지스틱 회귀 1. 로지스틱 회귀 (LogisticRegression) - ''' Sample이 특정 클래스에 속할 확률을 추정 ''' 하는 모델이다. - 여기서 설명하는 모델은 이항 로지스틱회귀로 선형회귀 알고리즘을 이용한 이진 분류 모델이다. ( ** 다항 로지스틱 회귀, 순서형 로지스틱 회귀) = > 데이터가 어떤 범주에 속할 확률을 0 에서 1 사이의 값으로 예측하고 그 확률에 따라 가능성이 더 높은 범주 ( 사건이 일어나는지 (1) , 일어나지 않는지 (0) ) 에 속하는 것으로 분류 해주는 지도 학습 알고리즘 이다. - 로지스틱 회귀는 선형회귀 기반의 알고리즘임으로 모델링을 위해 데이터 셋들을 선형 회귀 와 같이 전처리 해주어야 ..

플레이데이터 빅데이터캠프 공부 내용 _ 7/8 머신러닝 _ 14_최적화 _ 경사하강법 1. 최적화 (Optimize) = > ' 학습 '에서 모델의 예측한 결과 값과 실제 정답 값의 차이 -- > ' 오차를 계산하는 함수 ' 손실함수 를 만들고 그 오차값이 최소가 되는 지점 그때의 Parameter 를 찾는 작업을 한다. 2. 최적화 문제 - 선형회귀 모델에서 오차는 w 에 영향을 받는데, 둘은 관계가 있는 것이다. - 오차 구하는 함수 f(w) 의 값을 최소화(또는 최대화) 하는 arg 변수 w(파라미터)를 찾는 것. - 예시 그래프 (설명을 위해 우리가 만든 손실함수 f(w) _ 원래는 우리가 만드는게 아니라, 모델이 학습하여 만드는 함수) 아래 그래프와 같이 weigth 에 따라 loss 오차 값이..