GO WILD, SPEAK LOUD, THINK HARD

1. 현재 프로젝트에 연결된 git 확인하기 git remote -v 2. 기존에 연결되어 있는 git 해제 git remote remove origin

내가 몰라서 정리하는 머신러닝/딥러닝에서 쓰이는 용어 모음...... (+ 일본어 공부) 머신러닝/딥러닝 너무 재밌다.. 재밌는데 어렵다..... 인공지능 (Artificail Intelligence, 人工知能) : 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술. 학습·추론·판단 등 인간의 지능이 가지는 기능을 갖춘 컴퓨터 시스템. 응용한 것으로서 자연 언어의 이해, 기계 번역, 엑스퍼트 시스템(expert system) 등. → 인공적으로 만든 지능을 가진 시스템..? 정도로 이해했음 머신러닝 (Machine Learning, 機械学習) : 규칙을 일일이 프로그래밍 하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야. 경험을 통해 자동으로 개선하는 컴퓨..

✔ 실전 데이터를 활용한 데이터 분석 데이터 분석에 파이썬의 조건문, 반복문을 적용하여 익숙하게 사용할 수 있습니다. 실제적인 데이터들을 분석하고, 시각화하는 방법을 알 수 있습니다. 다양한 데이터에 대한 정제, 분석 과정을 반복하며 데이터를 수집하고 분석할 수 있습니다. [01 넷플릭스 시청 데이터로 알아보는 데이터형 변환] 1. 딕셔너리 - 딕셔너리 : dictionary. { key: value }. key(값을 찾기 위해 넣어 주는 데이터) 와 value(찾고자 하는 데이터)로 구성됨. # 빈 dict 생성 empty = {} # 데이터가 있는 dict 생성 elice_dict = { 'Elice' : "엘리스", 'Cheshire' : "체셔", 'Mad Hatter' : "모자장수" } pri..

✔ 12주차. 데이터 분석 핵심 기법 파이썬 라이브러리인 Pandas, Numpy, Matplotlib의 사용할 수 있습니다. 파이썬 라이브러리를 활용하여 데이터 분석을 할 수 있습니다. 데이터를 분석하고 시각화하는 방법을 알수 있습니다. [01 트럼프 대통령 트윗으로 시작하는 데이터 처리] 1. 리스트 순회하기 - for 반복문 # 기본 for문 for num in range(10): print(num) # 0, 1, 2, ... 9 # 리스트 순회하기 fruits = ["사과", "바나나", "키위"] for i in range(len(fruits)): print("과일" + str(i+1) + ": fruits[i]") # 과일 1 사과 ... - 문장의 단어를 하나씩 가져오기 : for 반복문과 ..

보호되어 있는 글입니다.

보호되어 있는 글입니다.

✔ 12주차. 데이터 분석 핵심 기법 파이썬 라이브러리인 Pandas, Numpy, Matplotlib의 사용할 수 있습니다. 파이썬 라이브러리를 활용하여 데이터 분석을 할 수 있습니다. 데이터를 분석하고 시각화하는 방법을 알수 있습니다. [01 Pandas 심화 알아보기] 1. 조건으로 검색하기 - numpy array와 마찬가지로 masking 연산 가능 import numpy as np import pandas as pd df = pd.DataFrame(np.random.rand(5, 2), columns=['A', 'B']) print(df) # A B # 0 0.609329 0.841142 # 1 0.451572 0.712937 # 2 0.555806 0.667044 # 3 0.113700 0...

✔ 12주차. 데이터 분석 핵심 기법 파이썬 라이브러리인 Pandas, Numpy, Matplotlib의 사용할 수 있습니다. 파이썬 라이브러리를 활용하여 데이터 분석을 할 수 있습니다. 데이터를 분석하고 시각화하는 방법을 알수 있습니다. [01 NumPy 사용해보기] 1. 배열 만들기 - Numpy : Numerical Python. Python에서 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러리. 파이썬 리스트에 비해 빠른 연산을 지원하고 메모리를 효율적으로 사용함. (import 해서 사용함) - 배열 만들기 : array 사용 # 일반적인 list로 배열 만들기 list(range(10)) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] # numpy 사용해서 만들기 import..

✔ 11주차. 자료구조와 알고리즘 개발 역량 강화를 위한 자료구조 및 알고리즘 문제를 수행할 수 있습니다. 알고리즘 문제를 만났을 때 효율적으로 접근하는 방법을 알 수 있습니다. 알고리즘 문제 해결 기법의 근복적인 이해를 할 수 있습니다. [01 동적 계획법 기초] 1. 동적계획법 기초 - 피보나치 수열 - 재귀를 이용한 피보나치 수열 def fibo(n): if n < 3: return 1 else: return fibo(n-1) + fibo(n-2) - 동적계획법 : 복잡한 문제를 간단한 여러 개의 하위 문제로 나누어 푸는 방법. (하위 문제의 답을 저장하여 중복 연산X, 하위 문제의 수만큼 저장공간 필요) fibonacci = {1: 1, 2: 1} def fibo(n): if n in fibona..

✔ 11주차. 자료구조와 알고리즘 개발 역량 강화를 위한 자료구조 및 알고리즘 문제를 수행할 수 있습니다. 알고리즘 문제를 만났을 때 효율적으로 접근하는 방법을 알 수 있습니다. 알고리즘 문제 해결 기법의 근본적인 이해를 할 수 있습니다. [01 재귀호출] 1. 알고리즘이란? - 알고리즘 : algorithm. 문제를 해결하는 방법. 계산을 통하여 해결할 수 있는 문제를 해결하는 방법 - 알고리즘의 5가지 성질 : 유한성, 명확성, 입력, 출력, 효과성 - k번째 숫자 찾기 - 해결방법 : 숫자 입력 받기 → 지금까지 받은 숫자들을 정렬 → k번째로 작은 숫자를 출력 def findKth(myInput, k) : result = [] data = [] for element in myInput: data...