본문 바로가기

분류 전체보기67

Image Data Generation using DCGAN(ENG) 2023. 2. 6.
Iris Data Classification Report(ENG) Iris Classification Project Purpose 1. To build and train a machine learning model that classifies iris data. 2. To creates an optimal classification model through numerical data analysis and preprocessing, various model learning, and result analysis. It is expected that the results of learning and analysis will not be clear due to the small amount of data. What is Iris dataset? This data sets c.. 2023. 2. 6.
UI/UX Product 아이디어에 빌딩에 관한 것(feat. CodeLion) 과거의 디자인? 의상, 공업제품, 건축 따위 실용적인 목적을 가진 조형 작품의 설계나 도안 보기 좋은것, 아름다운 것, 심미적인 것을 만드는 것이 디자인. 현재의 디자인? PC의 등장 이래로 Hardware에서 Software로의 디자인 패러다임이 전환. 이전에는 GUI 또한 기술자들의 역할이였으나 시간이 흐르며 전문 디자인의 분야로 옮겨옴 GUI에서의 디자인은 사용자와의 상호작용을 쉽게 하는 것을 의미. 기술이 먼저 만들어지고, 이후 그 기술을 만지는 직업이 생긴다. Web Designer 와 같이. 사용자에 대한 이해 필요 - 사용자가 어떤 환경에서 나의 웹서비스를 사용하는가를 인식하는게 최우선. 디자이너의 역할 어떤 디자인이 필요한가 - UI디자인 내가 왜 이 디자인을 해야하는가? - UX 리서치,.. 2022. 11. 19.
머신러닝을 위한 sklearn 라이브러리 기능 이용 In [1]: import numpy as np import matplotlib.pyplot as plt r = np.random.RandomState(10) x = 10 * r.rand(100) y = 2 * x - 3 * r.rand(100) plt.scatter(x,y) Out[1]: In [6]: x #array st. (1,100) x.shape Out[6]: array([7.71320643, 0.20751949, 6.33648235, 7.48803883, 4.98507012, 2.24796646, 1.98062865, 7.60530712, 1.69110837, 0.88339814, 6.85359818, 9.53393346, 0.03948266, 5.12192263, 8.12620962, 6.1.. 2022. 7. 5.
DecisionTreeClassifier 이용한 Data classification DecisionTreeClassifier 이용한 Data classification¶ In [4]: from sklearn.datasets import load_iris iris = load_iris() print(dir(iris)) # dir()는 객체가 어떤 변수와 메서드를 가지고 있는지 나열함 ['DESCR', 'data', 'data_module', 'feature_names', 'filename', 'frame', 'target', 'target_names'] In [5]: iris_data = iris.data print(iris_data.shape) #shape는 배열의 형상정보.. 2022. 7. 5.
LSTM 모델을 이용한 인공지능 작사가 구축 작사가 인공지능 만들기¶ Step 1. 필요 모듈 임포트 및 데이터 가져오기¶ In [1]: import os, re import numpy as np import tensorflow as tf import glob import os from sklearn.model_selection import train_test_split txt_file_path = os.getenv('HOME')+'/aiffel/lyricist/data/lyrics/*' txt_list = glob.glob(txt_file_path) raw_corpus = [] # 여러개의 txt 파일을 모두 읽어서 raw_corpus 에 담습니다. for txt_file in txt_list: with open(txt_file, "r") as .. 2022. 7. 5.
MNIST Dataset 이용한 CNN 모델 구축 MNIST Dataset 이용한 CNN 모델 구축¶ In [2]: # from IPython.core.display import display, HTML # display(HTML("")) # ! pip install tqdm # from tqdm import tqdm_notebook In [2]: import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt import os print(tf.__version__) # Tensorflow의 버전을 출력 mnist = keras.datasets.mnist # MNIST 데이터를 로드. 다운로드하지 않았다면 다운로드까지 자동으로 진행됩.. 2022. 7. 5.
Basic of C programming Term - Preprocessor instruction : same with import ~~ in Python - scope : sector of statements for Definition - Variable declaration : int a; (declare the type of each variables) - assignment : a = 10 (assignment data in variable) - call or invoke : printf(~~~) - compiler - translate source code to object code - linker - linking every object files and library code to make exe file - Library code.. 2022. 6. 14.
개인 프로젝트 01. - 주소 데이터 전처리 및 시각화 Preview Abstract GOAL : 오프라인 매장 입지 선정을 위한 국내 고객 위치 분포 조사 Benefit : 오프라인 판매 매장 입지 선정을 위한 참고 자료로 이용 TASK : 고객 주소 데이터를 가공하여 히트맵으로 시각화해 제공하기 Solution Method - python Pandas를 이용한 고객 데이터 EDA - 데이터 크롤링을 통한 주소 가공 - Folium 메서드를 이용한 시각화 (MarkerCluster, Heatmap) Tools - Google colab pro (GPU + RAM) - Anaconda Jupyter Notebook Background 알바 중인 온라인 비타민 판매 회사에서 최근 회사 규모가 커짐에 따라 오프라인 판매 직영점을 오픈하려고 한다. 하지만 다양한 .. 2022. 5. 24.

티스토리툴바