https://bit.ly/487HdL1 Tensorflow — Neural Network PlaygroundTinker with a real neural network right here in your browser.playground.tensorflow.org심층 신경망(DNN, Deep Neural Networks)을 직관적으로 시각화하고 실험할 수 있는 웹 기반 도구다양한 하이퍼파라미터와 데이터셋을 설정하여 신경망의 학습 과정을 실시간으로 관찰할 수 있다.  데이터셋 선택: 스파이럴(spiral), 정사각형 및 평면 회귀 문제 같은 여러 가지 기본 데이터셋을 제공한다.  신경망 구조 설정: 네트워크 구조는 각 층에 몇 개의 노드를 배치할 것인지 설정할 수 있다. ex)hidden layer 3개 ..

전처리 : Scaling *최적화를 위해 필요함. 방법 1 : Normalization (정규화) - 모든 값의 범위를 0~1 로 변환방법 2 : Standaraization (표준화) - 모든 값을 평균=0, 표준편차=1 로 변환# 스케일러 선언scaler = MinMaxScaler()# train 셋으로 fitting & 적용x_train = scaler.fit_transform(x_train)# validation 셋은 적용만!x_val = scaler.transform(x_val) ProcessTask : 이전 단계의 output 을 input으로 받음 -> 처리 -> 다음단계로 전달**공통의 목표를 달성하기 위해 동작ex) 상품 기획 -> 디자인 -> 생산 - >물류입고 - > 매장판매 딥러닝 ..

ML vs DL 코드 구조 비교가중치(weight)*파라미터(parameter)라기도 함. ex) 1,2,3월의 판매량으로 4월의 판매량 예측1월 판매량2월 판매량3월 판매량 4월 판매량110120125? 평균 ->   가중치 조정조금씩 weight를 조정해서 오차가 줄어드는지 확인!-> 반복지정한 횟수만큼 or 더이상 오차가 줄지 않을 때까지 DL 학습 절차1. 가중치 초기값 할당 (초기모델만듦)2. (초기)모델로 예측3. 오차를 계산 (loss function)4. 가중치 조절 : 오차를 줄이기 (optimizer) - learning rate(lr): 얼만큼 조절할 지 결정하는 하이퍼파라미터5. 다시 처음부터 반복 - batch_size : 전체 데이터를 적절히 나눠서 (mini batch) 반복 ..

전체 프로세스 (CRISP-DM) 데이터의 shape 모델,모델링- 모델 : 데이터로부터 패턴을 찾아, 수학식으로 정리 해놓은 것- 모델링 : 오차가 적은 모델을 만드는 과정   -> 샘플을 가지고 전체를 추정 모델의 성능모델의 성능은 오차(error)로 계산- 모델링 : train error를 최소화 하는 모델 생성하는 과정- 모델 튜닝 : validation error 를 최소화 하는 보델 선정 딥러닝 모델 표현 방법 - 선형 회귀 모델    Colab 사용법1. 구글 드라이브에 새폴더 생성 2. 새 폴더에 파일 업로드3. 파일 오른쪽 클릭, 'Google Colaboratory' 클릭**  'Google Colaboratory' 뜨지 않는 경우, '연결한 앱 더보기' > ' Colaboratory'..