BASHA TECH

분류 => 신경망 적용 1. 로지스틱 회귀의 정의 2. 시그모이드 함수 3. 오차 공식 4. 로그 함수 5. 텐서 프로에서 실행하는 로지스틱 회귀 모델

1. 경사 하강법의 개요 2. 파이썬 코딩으로 확인 하는 선형 회귀 3. 다중 선형 회귀의 개요 5. 텐서플로에서 실행하는 선형회귀, 다중 선형 회귀 모델

=> 오차가 가장 최소인 선 1. 선형 회귀의 정의 2. 가장 훌륭한 예측선이란? 3. 최소 제곱법 4. 파이썬 코딩으로 확인하는 최소 제곱 5. 평균 제곱 오차 (MSE) 6. 파이썬 코딩으로 확인하는 평균 제곱 오차

1. 1차 함수, 기울기와 y절편 2. 2차 함수와 최솟값 3. 미분, 순간 변화율과 기울기 4. 편미분 5. 지수와 지수 함수 6. 시그모이드 함수 7. 로그와 로그 함수

1. 추천 시트템의 개요와 배경 - 추천 시스템의 개요 - 온라인 스토어의 필수 요소, 추천 시스템 - 추천 시스템의 유형 2. 콘텐츠 기반 필터링 추천 시스템 3. 최근접 이웃 협업 필터링 4. 잠재요인 협업 필터잉 - 잠재 요인 협업 필터링의 이해 - 행렬 분해의 이해 - 확률적 경사 하강법을 이용한 행렬 분해 5. 콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트 - 장르 속성을 이용한 영화 콘텐츠 기반 필터링 - 데이터 로딩 및 가공 - 장르 콘텐츠 유사도 측정 - 장르 콘텐츠 필터링을 이용한 영화 추천 6. 아이템 기반 최근접 이웃 협업 필터링 시습 - 데이터 가공 및 변환 - 영화 간 유사도 산출 - 아이템 기반 최근접 이웃 협업 필터링으로 개인화 된 영화 추천

D 드라이브에서 dl-dev 폴더 만들기 (base) C:\Windows\system32>d: (base) D:\>cd big15 (base) D:\big15>dir/w D 드라이브의 볼륨에는 이름이 없습니다. 볼륨 일련 번호: AC91-51DF D:\big15 디렉터리 [.] [..] [assignment] [dl-dev] [java-dev] [jsp-dev] Korean_Proverbs.xlsx [ml-dev] Most_Common_Korean_Idomatic_Expression_For_Topik2.xlsx [pandas-dev] [python-dev] [sts-dev] [web-dev] [교안] [마인드맵] 2개 파일 108,545 바이트 13개 디렉터리 503,706,386,432 바이트 남음 (..

NLP이냐 텍스트 분석이냐? 1. 텍스트 분석 이해 - 텍스트 분석 수행 프로세스 - 파이썬 기반의 NLP, 텍스트 분석 패키지 2. 텍스트 사전 준비 작업 (텍스트 전처리) - 텍스트 정규화 - 클렌징 - 텍스트 토큰화 - 스톱 워드 제거 - Stemming가 Lemmatization 3. Bag of Words - BOW - BOW의 피처 벡터화 - 사이킷런의 Count 및 TF-IDF 벡터화 구현 : CountVectorizer, TfidVectorizer - BOW 벡터화를 위한 희소 행렬 - 희소 행렬 - COO 형식 - 희소 행렬 - CSR 형식 4. 텍스트 분류 실습 - 20 뉴스 그룹 분류 - 텍스트 정규화 - 피처 벡터화 변환과 머신러닝 모델 학습/예측/평가 - 사이킷런 파이프라인 사용 ..

1. K-평균 알고리즘 이해 - 사이킷런 KMeans 클래스 소개 - K-평균을 이용한 붓꽃 데이터 세트 군집화 - 군집화 알고리즘 테스트를 위한 데이터 생성 2. 군집 평가 - 실루엣 분석의 개요 - 붓꽃 데이터 세트를 이용한 군집 평가 - 군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법 3. 평균 이동 - 평균 이동의 개요 4. GMM (Gaussian Mixture Model) - GMM 소개 - GMM을 이용한 붓꽃 데이터 세트 군집화 - GMM과 K-평균의 비교 5. DBSCAN - DBSCAN 개요 - DBSCAN 적용하기 - 붓꽃 데이터 세트 - DBSCAN 적용하기 - make_circles( ) 데이터 세트 6. 군집화 실습 - 고객 세그먼테이션 - 고객 세그먼테이션의 정..

1. 차원 축소 (Dimension Reduction) 개요 2. PCA (Principal Component Analysis) 3. LDA (Linear Discriminant Analysis) 4. SVD (Singular Value Decomposition) 5. NMF (Non-Negative Matrix Factorization) 가장 중요한 키워드: 잠재적 요소 (Latent Factor) 매우 많은 차원을 가지고 있는 이미지나 텍스트에서 특정 부위(데이터의 답을 잘 설명해주는 피처)를 찾고 함축된 잠재적인 의미를 뽑아냄 => 차원 축소를 통해 데이터를 잘 설명해줄 수 있는 잠재적 요소를 추출

1. 회귀 소개 2. 단순 선형 회귀를 통한 회귀 이해 3. 비용 최소화 하기 - 경사 하강법 (Gradient Descent) 소개 4. 사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측 - LinearRegression 클래스 - Ordinary Least Squares - 회귀 평가 지표 - LinearRegression을 이용해 보스턴 주택 가격 회귀 구현 5. 다항 회귀와 과(대)적합/과소적합 dlgo - 다항 회귀 이해 - 다항 회귀를 이용한 과소적합 및 과적합 이해 - 편향-분산 트레이드오프(Bias-Variance Trade off) 6. 규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷 - 규제 선형 모델의 개요 - 릿지 회귀 - 라쏘 회귀 - 엘라스틱넷 회귀 - 선형 회..