AI 도서 읽기

노션으로 전체요약했는데 티스토리는 블로그로 그림파일이랑 포맷보존하면서 업로드하는 방법을 모르겠다. 그나마 포맷과 그림파일 보존해서 export되는 PDF 첨부함(코드블럭은 컬러 다 사라져서 별로임). 1. 노션으로 전체요약: 모두의 딥러닝 전체 2회독하고 요약본 만들기 시작해서 40쪽 분량으로 만듬. 2. 요약본 통째로 암기하려다보니 그것도 양이 넘 많아서 요약본의 요약본 4쪽으로 추가로 만듬. 3. 요약본의 요약본도 한눈에 안들어와서 엑셀로 도표 전체 요약 한쪽짜리로 만듬. 맘대로 요약해서 사실 오개념도 많을 거 같지만 중간정리 느낌으로 업로드함 모두딥은 이제 2회독했고 요약본으로 또 3회독해서 어느 정도 개념이 익숙해진 거 같아 오늘부터는 다시 케창책으로 넘어감. 좀더 익숙해지면 케글 포트폴리오 시작..

2020-3-8 ~ 2020-3-12. A. 선택 동기 '케라스 창시자' 책도 2.3장을 넘기지 못하고 읽다가 어려워서 포기했고, '파이썬으로 이해하는 머신러닝'에서도 앞부분 읽다가 포기했다. 한페이지에서만도 모르는 함수, 모르는 문법이 하도 많이 튀어나와서 도저히 버틸 수가 없었다. 입문용 강의로 쉽고 재밌고 좋다고 소문난 김성훈 교수님 강의도 텐서플로 문법도 모르고 들으니 고문이라 듣다가 그만두었고, 유튜브 강의도 듣다가 포기했다. 쉬운 책을 찾아 떠돌다가 발견한 책인데, 덕분에 딥러닝 전반적으로 쉽고 친절하게 얕은 수준이나마 이해할 수 있어서 괜히 어렵고 골치아픈 인공지능을 공부한다고 한 건 아닐까하는 좌절과 절망의 구렁텅이에서 날 구해준 고마운 책이다. B. 장점 1. 이책 덕분에 딥러닝에 대해 ..

요즘 머신러닝 딥러닝 개론 수준 공부에서 더 나아가지 못하고, 계속 지지부진한 진도에 괴로웠다. 딥러닝도 결국 스스로 코딩을 해낼 수 있어야 했는데, 텐서플로도, 케라스도 다 어려웠고, 기초 문법을 친절히 설명해주는 강의, 책을 찾아서 계속 강의는 초반 강의 듣기, 책은 1-2장 읽기만 무한반복하면서 헤매고 있었다. '케라스 창시자에게 배우는 딥러닝'에서 기대했던 케라스 창시자란 고수니까 고수일수록 더 기본 기초 개념을 개념 설계 단계부터 친절하게 알려주지 않을까 기대를 했었는데 텐서플로나 케라스 기본 문법 설명에 대한 설명이 전혀 없이 문법 한두개 점진적으로 나오는 것도 아니고 여러 개 첨보는 문법이 계속 쏟아져 나오니까 책 읽어나가는 게 고문이었다. 파이썬 라이브러리를 활용한 머신러닝 그래서 이 책을..

# -*- coding: utf-8 -*- # 코드 내부에 한글을 사용가능 하게 해주는 부분입니다. # 딥러닝을 구동하는 데 필요한 케라스 함수를 불러옵니다. from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 필요한 라이브러리를 불러옵니다. import numpy as np import tensorflow as tf # 실행할 때마다 같은 결과를 출력하기 위해 설정하는 부분입니다. np.random.seed(3) tf.random.set_seed(3) # 준비된 수술 환자 데이터(외부 데이터셋)를 불러들입니다. Data_set = np.loadtxt("../dataset/ThoraricSurg..

2장 시작하기 전에: 신경망의 수학적 구성요소 2.1. 신경망과의 첫만남 2.2. 신경망을 위한 데이터 표현 2.3. 신경망의 톱니바퀴: 텐서연산 2.4. 신경망의 엔진: 그래디언트 기반 최적화 2.5. 첫 번째 예제 다시 살펴보기 2.6. 요약 - 첫번째 신경망 예제 만들기 - 텐서와 텐서 연산의 개념 - 역전파와 경사 하강법을 사용하여 신경망이 학습되는 방법 2.1. 신경망과의 첫만남 1. MNIST 데이터셋 사용하여 흑백 손글씨 숫자 이미지(28*28 픽셀)를 10개의 범주(0~9)로 분류 - 클래스: 분류문제의 범주(category) - 데이터 포인트: 샘플 - 레이블: 특정 샘플의 클래스 2. 신경망 층인 Dense 층 2개 1) activation = ReLu 2) activation = So..

케라스 창시자에게 배우는 딥러닝 1장 요약 1장. 딥러닝이란 무엇인가? 1.1 인공지능과 머신러닝, 딥러닝 1.2 딥러닝 이전: 머신러닝의 간략한 역사 1.3 왜 딥러닝일까? 왜 지금일까? - 핵심개념에 대한 고수준 정의 - 머신러닝 발전과정 - 딥러닝이 인기를 끈 주요요인과 미래의 가능성 1.1 인공지능과 머신러닝, 딥러닝 개념: 인공지능 > 머신러닝 > 딥러닝 1.1.1. 인공지능 1. AI의 정의: 사람 수행 지능작업을 자동화하기 위한 연구활동. 머신러닝+딥러닝+학습 없는 방법 2. 패러다임 시프트 1) 과거=symbolic AI: 규칙 많이 만들면 AI 탄생할 것 / 1950~1980년대 / 결과물=전문가 시스템(expert system) / 유용성: 체스게임처럼 잘 정의된 논리적 문제 해결 적합..

세종도서관에서 책 대여 1. 선형대수학 기본서 맨위 조합을 일단 가져와놓고 선형대수학을 기본서로 공부할 것을 진지하게 고민했으나, 좀 과한 느낌도 들고, 공부하다가 그만둘 것 같아 제외함 2. 너무 생기초, 1회독이 의미 없는 책들, 구성 자체가 마음에 안드는 책들은 제외함 3. 결국 맨 아래 조합으로 책 대여함 1. 데드라인 14일간이 대여기간. 2.15. 토요일에 빌렸으므로 2.19가 데드라인. 2. 공부순서 및 타임라인 1) 인공지능을 위한 수학 = 2.17.까지 고교 수학 리마인드 부분이 있어서 먼저 이 부분 중심으로 리마인드. 인공지능에 지금 공부하는 수학이 어떻게 쓰이는지도 간단히 쓰여 있어서 친절함. 2) 엔지니어를 위한 선형대수 = 2.18.까지 벡터와 행렬을 중심으로 친절하게 서술된 것 ..