SYDev

텐서(tensor): 데이터를 위한 컨테이너(container) 텐서는 임의의 차원 개수를 가지는 행렬의 일반화된 모습 랭크(rank): 텐서의 축 개수 스칼라(0D 텐서) 스칼라(scalar): 하나의 숫자만 담고 있는 텐서 스칼라 텐서, 0차원 텐서, 0D텐서 Numpy에서 스칼라 텐서 -> float32나 float64 타입 숫자 >>> import numpy as np >>> x = np.array(12) >>> x array(12) #숫자 요소가 하나 -> 0dim >>> x.ndim 0 벡터(1D 텐서) 벡터(vector): 숫자의 배열 1D 텐서 >>> x = np.array([12, 3, 6, 14, 7]) >>> x array([12, 3, 6, 14, 7]) #5개의 원소를 가지므로 5..

케라스 파이썬 라이브러리를 사용하여 손글씨 숫자 분류를 학습하는 신경망 예제를 살펴보자. 문제 흑백 손글씨 이미지(28X28 픽셀)를 10개의 범주(0에서 9까지)로 분류 머신 러닝 커뮤니티에서 고전으로 취급받는 데이터셋인 MNIST 사용 문제 해결 과정 더보기 클래스(class): 머신 러닝에서 분류 문제의 범주 샘플(sample): 데이터 포인트 레이블(label): 특정 샘플의 클래스 MNIST 데이터셋은 넘파이(Numpy) 배열 형태로 케라스에 이미 포함됨 from keras.datasets import mnist (train_images, train_labels), (test_images, test_labels) = mnist.load_data() train_images, train_labels..

인공 지능과 머신 러닝, 딥러닝 인공 지능 인공지능 : 보통의 사람이 수행하는 지능적인 작업을 자동화한 것. AI는 머신러닝과 딥러닝을 포괄하는 종합적인 분야. 인공 지능(AI) > 머신 러닝 > 딥러닝 머신 러닝 전통적인 프로그래밍(심볼릭 AI) : 규칙 + 데이터 -> 해답 머신 러닝 : 데이터 + 해답 = 규칙, 입력 데이터를 기반으로 기대 출력에 가깝에 만드는 유용한 표현을 학습 머신 러닝은 명시적으로 프로그램되는 것이 아니라 훈련(training)된다. 샘플과 기댓값이 주어졌을 때 데이터 처리 작업을 위한 실행 규칙을 찾는다. 이런 머신 러닝에는 다음과 같은 세 가지 조건이 필요하다. 입력 데이터 포인트 : 주어진 문제가 음성 인식이라면 데이터 포인트는 사람의 대화가 녹음된 사운드 파일, 이미지..