Round Here

tf.nn (GitHub)을 기본으로 신경망/딥러닝을 보다 쉽게 사용할 수 있다는 여러 wrapper 라이브러리를 제공한다. 각자의 처지에 맞는 라이브러리를 사용할 수 있다. 섞어 쓰다보면 혼동된다. tf.layers (GitHub)tf.contrib.slim (GitHub) : TF-Slim walkthrough tf.contrib.keras (GitHub) : Documentationtf.contrib.learn (GitHub) TensorLayer TFLearn Google Tensorflow chooses Keras watch -n 3 nvidia-smi : 3초 간격으로 nvidia gpu status check

구글의 딥러닝이나 텐서플로우가 무엇인지 궁금한 보통 사람들에게 구글이 바라는 대로 "시인들을 위한 텐서플로우"을 보라고... 놀이터도 같이 있으니 놀아 보라고.

전공책을 보면 다변수 식(Multi variables expression)에 시그마 ∑가 씌어지고 [참고], 또 여기에 미분/편미분이 적용되고, 확률/random process operator가 있고, Matrix Calculus 형태로 된 것을 종종 접한다. 일반 상식인 우리나라 학생들 수학 실력이 좋다는 말이 실감나지 않을 때가 있다. 배웠다고 하는데 시켜보면 모르고, 계산하면서도 그게 무슨 뜻인지 모른다. 대입 수능 수학 시험를 보니 비슷한 문제가 있고, 어느 정도 풀 수 있었기에 대학에 올 수 있었을 터인데 왜 이런지? ∑ , 미분등이 섞여있는 식에서 어떤 것이 변수고, 어디까지 변수로 보아야 하고, 그들에 수학 operation을 어떻게 적용해야 하는지 어려워한다. 아래 함수 f(x)의 미분을 ..

AI 수학 ■ Implicit (Partial) Differentiation[Khan의 Implicit Differentiation]대학 때 부터는 미분을 implicit한 방식으로 많이 풀면서도 엄밀하지 않은 방법으로 했다. Differential operation (operator 인가?)을 사용해 마치 dx, dy를 분자, 분모 같이 사용할 때는 부정행위하는 것 같고 께름찍하다. 함수 생각 :위와 같은 식이 있으면, h 라는 함수가 있는데 이 함수는 변수 x, y 에 좌우된다는 뜻임을 명확히(explicit) 나타낸다. 따라서 b, w, a 는 상수임을 안다. 함수 h에서 y는 고정하고 x 만 변화할 때의 미분은 함수 h에서 y만 변화할 때의 미분은 하여 구한다. 그런데, 함수 h(x, y)를 종속..

Introduction to Statistical Learning 내용를 파이썬으로 구현하는 것을 이 것으로 끝낸다. 10장 - Unsupervised Learning Principal Component Analysis (PCA) 간단히 직접 PCA를 만들어 PCA 이해 scikit-learn PCA 사용하기 Clustering K-Meansscikit-learn의 Hierarchical ClusteringSciPy의 Hierarchical Clustering실습 - NCI60 데이터 활용 NCI60에 PCA 적용하기NCI60에 Clustering 적용 전체 데이터Principal Component에 대해 NCI60에 Classification 실행 - Gene Expression으로 종양 타입 예측 P..

Introduction to Statistical Learning 9장 - Support Vector Machines : Python 실습 (GitHub)nbviewer Support Vector MachineGrid Search CV를 통한 Test Performance 추정 및 패러미터 튜닝Randomized Search CV를 통한 Test Performance 추정 및 패러미터 튜닝Gradient Boosting, SVM, Grid Search CV 및 Randomized Search CV 를 이용해 'Heart' 데이터 예측분석 과정 실습 을 담음

Introduction to Statistical Learning8장 내용인 Tree기반 Supervised Learning: Decision Tree (의사결정 트리)Random ForestGradient BoostingRegression, Classification 사용과 Cross-Validation 또는 Train/Test split을 통해 Test Performance 추정 및 패러미터 튜닝을 익힌다.pdf

Introduction to Statistical Learning5장 내용인 Regression 모델과 Classification 모델의 Test Performance 추정 Validation Set Approach (Train/Test Split)K-Fold Cross ValidationRegression Model의 Test MSE 추정Hyper Parameter 튜닝 : KNN Regression 에서 K 선정Classification Model에서 Cross-Validated AUC 계산pdf

scikit-learn 라이브러리를 사용하기 위해 전처리(preprocessing)을 해야 할 경우가 흔히 생김.ISLR 3장의 Linear Regression 중 Categorical 변수, Interaction, 변수의 Non-linear Tranformation 을 scikit-learn에서 활용하기 위해 필요한 간단한 전처리 과정 a little preprocessing

Introduction to Statistical Learning 4 장, Classification 중 - KNN Classification을 Python으로, Introduction to Statistical Learning 3 장 - KNN Regression 포함, Logistic Regression도 포함KNN Classification & Regression Classification Model의 평가를 위한 metric - Confusion Matrix, Accuracy, Sensitivity, Precision, ROC 커브, AUC 등 내용도 함께 Regression Model의 평가를 위한 metric - MAE (Mean Absolute Error), MSE (Mean Squared ..