개발하는 고라니

모델을 만들려면 다음과 같은 단계를 거친다. 1) 과거의 데이터 준비하기 2) 모델의 모양 만들기 3) 데이터로 모델을 학습(Fit)하기 4) 모델 이용하기 * Tensorflow.js를 이용하는 방법은 1. script cdn을 가져와서 이용하거나, 2. NPM으로 설치하는 방법이 있다. 스크립트 태그 이용 npm install npm install //npm 설치 npm install @tensorflow/tfjs //tensorflow.js 설치 # 1 과거의 데이터 준비하기 과거의 데이터는 예를 들어 길에서 음료를 판매하는데, 과거 온도에 따른 음료 판매량을 기록한 것을 준비한다. 온도와 판매량을 보면 대략 온도 * 2 = 판매량 이라는 식을 도출해낼 수 있다. 온도(원인) 20 21 22 23 ..

최근에 '생활코딩'에서 21년 첫 수업으로 머신러닝을 업로드하셨다. 몇 년전에 머신러닝, 딥러닝에 관심이 있어서 텐서플로를 사용해보고자 했는데... 너무 어렵고 이해도 어려울 뿐 더러 일개 학생이 배울 수 있는 곳이 마땅치 않았다. 그러나 항상 초심자의 눈높이에서 쉽게 강의해주시는 생활코딩 덕분에 입문이라도 해보고자 한다. 앞으로 업로드 될 내용들은 강의 내용 + 나의 생각 + 스스로 좀 더 연습한 것을 정리해서 올려놓을 예정이다. www.tensorflow.org/js/models?hl=ko TensorFlow.js 모델 모든 프로젝트에서 즉시 사용할 수 있는 선행 학습된 TensorFlow.js 모델을 탐색하세요. www.tensorflow.org 처음 텐서플로를 접할 당시에는 Python으로만 사용..

# 학습목표 동적 프로그래밍이 무엇인지 이해한다. 어떤 특성을 가진 문제가 동적 프로그래밍의 적용 대상인지 감지할 수 있도록 한다. 기본적인 몇 가지 문제를 동적 프로그래밍으로 해결할 수 있도록 한다. # 배경 재귀적 해법 큰 문제에 닮음꼴의 작은 문제가 깃든다. 잘 쓰면 보약, 잘못 쓰면 맹독 관계중심으로 파악함으로써 문제를 간명하게 볼 수 있다. 재귀적 해법을 사용하면 심한 중복 호출이 일어나는 경우가 있다. 재귀적 해법의 양면성 바람직한 예 퀵정렬, 병합정렬 등의 정렬 알고리즘 계승(Factorial) 구하기 그래프의 DFS(Depth First Search) 등 치명적인 예 피보나치수 구하기 행렬곱셈 최적순서 구하기 # 도입 문제 : 피보나치수 구하기 * f(n) = f(n-1) + f(n-2) ..

# 학 습 목 표 그리디 알고리즘의 특징을 파악한다. 그리디 알고리즘으로 최적해가 보장되는 예와 그렇지 않은 예를 관찰한다. # 그리디 알고리즘 눈 앞의 이익만 취하고 보는 알고리즘 현재 시점에 가장 이득이 되어 보이는 해를 선택하는 행위를 반복한다. 대부분 최적해와의 거리가 멀다. 드물게 최적해가 보장되는 경우도 있다. (최소 신장 트리, 최단 경로 등)do do { 우선 가장 좋아 보이는 선택을 한다 } until (해 구성 완료) # 그리디 알고리즘의 전형적 구조 Greedy(C) C : 원소들의 총 집합 { S 5원 짜리 -> 1원 짜리 - 이렇게 동전의 액면이 모두 바로 아래 액면의 배수가 되면 그리디 알고리즘으로 최적해가 보장 된다. But, 액면이 바로 아래의 액면의 배수가 되지 않으면 그리..

평소와 같이 프로그래밍을 하고, Github에 올리기 위해 $git push origin master 을 했으나, 위와 같은 오류가 발생했다. 구글링 한 결과, Git의 원격 저장소와 현재 로컬 저장소가 동기화되어있지 않은 것이 원인이라고 했다. 그러므로 해결방법 또한 동기화 시켜주면 된다고 한다. git pull --rebase 원격저장소별칭 master --> $git pull --rebase origin master 을 했으나, 다음과 같은 오류가 발생했다. Git에 익숙하지 않은 나는 이 또한 무엇인지 몰랐다... 그래서 더 찾아본 결과 $git push origin +master 하면 강제(?)로 push해주는 것 같다. 하지만 기존의 데이터는 보장하지 못한다고 한다. 만일 기존의 데이터가 신경..