일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- pandas
- expo
- ReactNative
- kaggle
- App
- JavaScript
- 딥러닝
- 클론코딩
- FirebaseV9
- 앱개발
- React
- python
- 전국국밥
- Ros
- clone coding
- selenium
- 강화학습
- 조코딩
- 리액트네이티브
- redux
- 크롤링
- 강화학습 기초
- 카트폴
- Instagrame clone
- 정치인
- 머신러닝
- 데이터분석
- TeachagleMachine
- 사이드프로젝트
- coding
- Today
- Total
목록머신러닝 (9)
qcoding
* 본실습은 딥러닝 생성모델인 GAN에 대한 간단한 실습이다. 향후에 GAN을 이용하여 시계열 데이터를 생성하는 실습을 진행예정으로 이를 준비하기 위해서 GAN의 간단한 코드를 구현해 보는 실습을 하였다. 해당 실습은 아래의 코드를 보고 진행하였다. https://machinelearningmastery.com/how-to-develop-a-generative-adversarial-network-for-a-1-dimensional-function-from-scratch-in-keras/ 이번 실습의 내용을 정리하면 y=x^2에 해당하는 data sample을 가지고 학습시켜 실제와 비슷한 분포를 지닌 가짜 sample을 만드는 것으로 epoch가 진행됨에 따라 실제 data 와 유사해 지는 것을 볼 수 ..
* 본 글은 이전 발행글에서 아래의 githup의 코드를 그대로 가져와서 사용하였던 것을 수정하여, functional API 방법을 사용하여 코드를 고친 내용이다. 글의 큰 의미는 없으며 n_future 라는 새로운 미래 예측의 sequnce를 편하게 변경할 수 있게 변경하였다. https://github.com/flaviagiammarino/lstnet-tensorflow GitHub - flaviagiammarino/lstnet-tensorflow: TensorFlow implementation of LSTNet model for multivariate time series forecasting. TensorFlow implementation of LSTNet model for multivariat..
https://www.kaggle.com/datasets/alxmamaev/flowers-recognition Flowers Recognition This dataset contains labeled 4242 images of flowers. www.kaggle.com ## 이번 실습은 CNN으로 이미지의 Feature 추출 한 후 제시된 이미지와 비슷한 특징을 갖는 이미지를 dataset에서 불러오는 실습을 진행하려고 한다. 이번 실습을 이해하기 위하여 간략히 내용을 정리한뒤 본격적으로 실습을 진행해보려고 한다. 1) 실습에 필요한 내용을 간략히 정리하기 2) VGG16 의 Convolution layer를 이용한 추출 모델 생성 후 추출된 모델을 바탕으로 가지고 있는 모든 data set을 거리기반 ..
https://www.kaggle.com/datasets/tongpython/cat-and-dog Cat and Dog Cats and Dogs dataset to train a DL model www.kaggle.com ## 이미지 분류의 대표적인 강아지 / 고양이 분류 문제를 VGG16의 전이학습을 통해서 구현해보는 실습을 진행하려고 한다. 진행순서는 아래와 같으며, kaggle 데이터 set을 활용하며, google drive와 colab을 사용하여 실습예정이다. 1) 데이터 set 다운로드 후 google drive upload --> colab에서 구글드라이브 연동 후 불러오기 2) 전체 이미지를 numpy array로 만들기 3) 이미지 시각화 4) 이미지 전처리 ( scaling / Augm..
https://www.kaggle.com/competitions/cat-in-the-dat Categorical Feature Encoding Challenge | Kaggle www.kaggle.com http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791191905076&orderClick=LAV&Kc= 머신러닝·딥러닝 문제해결 전략 - 교보문고 캐글 수상작 리팩터링으로 배우는 문제해결 프로세스와 전략 | 이 책은 수많은 캐글 수상자의 노트북을 수집/분석하여 여러분께 공통된 문제해결 패턴을 안내해줍니다. 총 7개의 경진대회를 이 www.kyobobook.co.kr 해당 책을 공부하면서 필요한 부분을 정..
* 해당 글에서는 프로젝트 마지막으로 완성된 react 프로젝트를 Firebase Hosting 서비스를 통해서 배포 하고 배포가 완료된 뒤 카카오 애드핏을 통해 광고를 적용하는 것을 정리하였다. * 최종완성 사이트 https://politictest-8f628.firebaseapp.com/ 나와 닮은 정치인은? 나와 닮은 정치인은? 인공지능으로 알아보기! politictest-8f628.firebaseapp.com 1) Firebase Hosting -> 호스팅 서비스를 무료로 이용할 수 있는 것은 Firebase / Amazon / Netlify / Githup 등 여러가지가 있지만 그중에서도 Firebase가 안정적이고, 속도도 빠른 것으로 생각되어 해당 서비스를 사용하였다. -> 이미 구글링을 하..
* 해당 글에서는 전에 만들었던 Teachable Machine을 이용한 모델을 통해 React 프로젝트를 생성하고 완성하는 과정을 포함하고 있다. 1) 사용한 라이브러리 -> Create React App을 통해 react 프로젝트를 생성하였다. npx create-react-app my-app cd my-app npm start -> 1) Styled-component --> css 사용을 위해 사용 2) @teachablemachine/image --> teachable machine js를 사용하기 위해 사용 3) react-icons --> 웹사이트에서 icons을 사용하기 위해 사용 4) react-router-dom --> 사이트 routing을 위해 사용 "dependencies": { "..
* 이번 글에서는 이미지 수집 -> 분류 -> 모델 생성을 통하여 Teachable Machine을 통해 머신러닝 모델을 생성하는 과정을 정리하였다. * Teachable Model 생성 1) 이미지 수집 -> 사용 방법 : 구글의 사이트의 이미지 검색을 통하여 검색어를 입력하고 python selenium을 통해 이미지를 가져와서 저장한다. -> python의 selenium을 통해서 수행하였으며 해당 코드 및 설치방법은 구글링을 통해서 많이 구할 수 있다. 내경우는 배열에 필요한 인물의 이름을 입력하고 반복문을 통해서 여러명의 사진을 한번에 받도록 사용하였다. 한 인물당 200장의 사진을 받도록 하였다. * 참고 url https://velog.io/@jungeun-dev/Python-%EC%9B%B..