분류 전체보기

Chapter 01 컴퓨터 구조 시작하기1. 컴퓨터 구조를 알아야 하는 이유문제 해결프로그래밍 언어의 문법만 알고 있는 사람-> 컴퓨터 = 코드 입력하면 결과 내놓는 '미지의 대상' 문제 상황 빠르게 진단문제 해결의 실마리 다양하게 찾음=> 문제 해결 능력 향상 => 미지의 대상이 아닌 '분석의 대상'성능, 용량, 비용컴퓨터 선택에 따라 성능, 용량, 비용이 달라짐=> 저렴한 제품이 무조건 좋은 것 X 개발한 프로그램을 위한 최적의 컴퓨터 환경을 스스로 판단해야 함 => 입출력에만 집중하는 개발 X 성능, 용량, 비용까지 고려하는 개발자 O2. 컴퓨터 구조의 큰 그림Key Word: 데이터 / 명령어 / 메모리 / CPU / 보조기억장치 / 입출력장치 / 시스템 버스  컴퓨터가 이해하는 정보데이터명령어컴..

CHAPTER 2 퍼셉트론 퍼셉트론(perceptron) 알고리즘 프랑크 로젠블라트(Frank Rosenblatt) 1957년 고안한 알고리즘 신경망(딥러닝)의 기원이 되는 알고리즘 1. 퍼셉트론이란? 다수의 신호를 입력으로 받아 하나의 신호를 출력 (입력: 다수의 신호 -> 출력: 하나의 신호) *신호: 전류나 강물처럼 흐름이 있는 것 / 흐름을 만들고 정보를 앞으로 전달(전류: 전선을 타고 흐르는 전자를 내보냄) 퍼셉트론 신호: 흐른다/안 흐른다(1 OR 0) 입력 신호: x_1, x_2 출력 신호: y 가중치: w_1, w_2 (w = weight) 뉴런 OR 노드: 원 입력 신호가 뉴런에 보내질 때 각각 고유한 가중치 곱해짐 => w_1x_1, w_2,x_2 뉴런에서 보내온 신호의 총합 > 정해진..

CHAPTER 1 헬로 파이썬 1. 파이썬 파이썬(Python) 간단하고 배우기 쉬운 프로그래밍 언어 프로그래밍 입문자에게 최적 언어 2. 실행 방식 1) 인터프리터 대화모드: 개발자와 파이썬이 대화하듯 프로그래밍 할 수 있음 산술연산: 덧셈과 곱셈 등의 산술 연산 자료형(data type): 데이터의 성질을 나타내는 것/ 정수, 실수, 문자열 형태 변수(variable) 변수 사용하여 계산 OR 변수에 다른 값 대입할 수 있음 동적 언어: 변수의 자료형 -> 상황에 맞게 자동 결정 리스트(list) 인덱스: [] 안의 수/ 0부터 시작 슬라이싱(slicing): 범위 지정 -> 원하는 부분 리스트 얻을 수 있음 딕셔너리(dictionary): 키(key)와 값(value) -> 한 쌍으로 저장 bool..

MacOS에서 jupyter 설치/ M1칩/ MacPro/ MacAir1. 터미널 실행1) 키보드에서 command + space나 F4 클릭하여 spotlight 실행 2) terminal 검색2. Homebrew에서 Anaconda 설치brew install anaconda*Homebrew 설치방법https://debug.tistory.com/87 [MAC] MacOS에서 Homebrew 설치/ M1칩/ MacPro/ MacAirMacOS에서 Homebrew 설치/ M1칩/ MacPro/ MacAir 1. 터미널 실행 1) 키보드에서 command + space나 F4 클릭하여 spotlight 실행 2) terminal 검색 2. Homebrew 접속 1) 사이트 접속하여 스크립트 복사 /bin/b..

2장 간단한 분류 알고리즘 훈련 퍼셉트론 분류를 위한 초창기 머신 러닝 알고리즘 파이썬을 사용한 효율적인 구현 방법 적응형 선형 뉴런 기본적인 최적화 사이킷런 머신 러닝 라이브러리_강력한 분류 모델 사용의 기초 1. 인공 뉴런: 초기 머신 러닝의 간단한 역사 1943년 워렌 맥컬록(Warren McCulloch), 월터 피츠(Walter Pitts) : 간소화된 뇌의 뉴런 개념 발표 = 맥컬록-피츠(MCP) 뉴런 *뉴런: 뇌의 신경 세포와 서로 연결 => 화학적/전기적 신호 처리, 전달 *신경 세포 -> 이진 출력을 내는 간단한 논리 회로 여러 신호 -> 수상 돌기 => 세포체 합쳐짐 합쳐진 신호 > 특정 임계 값 -> 출력 신호 생성 -> 축삭 돌기 이용하여 전달 프랑크 로젠블라트(Frank Rosen..

1장 컴퓨터는 데이터에서 배운다 1. 데이터를 지식으로 바꾸는 지능적인 시스템 구축 머신 러닝 20세기 후반, 자기 학습(self-learning) 알고리즘(: 데이터 -> 지식 추출 -> 예측)과 관련된 인공지능(Artificial Intelligence, AI)의 하위 분야 데이터에서 더 효율적으로 지식 추출 -> 예측 모델과 데이터 기반의 의사 결정 성능 점진적 ↑ ex. 견고한 이메일 스팸 필터, 편리한 텍스트와 음성 인식 소프트웨어, 믿을 수 있는 웹 검색 엔진, 체스 대결 프로그램, 자율 주행 자동차, 의료 어플리케이션,... 2. 머신 러닝의 세 가지 종류 지도 학습 레이블된 데이터 직접 피드백 출력 및 미래 예측 비지도 학습 레이블 및 타깃 X 피드백 X 데이터에서 숨겨진 구조 찾기 강화 ..