전역하고 할게 없어서 링커리어를 뒤지던 중 재밌게 생긴것을 발견했다. 바로 신청했고 결과는 선발이였다. 그래서 코칭스터디 하는 것을 정리해서 올리려고 한다. 코칭 스터디는? O.T주를 포함해서 총 5주로 이루어져 있고 팀 미션, 강의 수강, 라이브 수강 등의 활동을 해야한다. 그리고 팀 커뮤니케이션 도구로 슬랙을 활용한다. 슬랙을 코칭 스터디 활동하면서 처음 사용해보는데 생각보다 편하고 좋았다. 1주차 활동 이번 주는 1주차 활동을 했다. 강사님께서 이번 코칭스터디에서는 사이킷런 라이브러리를 사용한다고 하셨다. 그리고 또 사이킷런에 있는 의사결정나무 모델을 통해서 간단한 모델을 만들어 보았다. 그리고 팀끼리 미션을 위한 회의도 진행하였는데 나는 아쉽게 알바때문에 회의에 참석하지 못해서 아쉬웠다. 학습 내..
리스트 - [요소, 요소, 요소]로 표현된다. - 여러 자료형을 혼합하여 리스트를 생성할 수 있다. - 인덱싱이 존재한다. - 대괄호 안에 음수를 넣어 뒤에서부터 요소를 선택할 수 있다. - 리스트 접근 연산자를 이중으로 사용할 수 있다. - 리스트 안에 리스트를 사용할 수 있다. 딕셔너리 - {키 : 값, 키 : 값, 키 : 값} 로 표현된다. - 키를 사용해 값에 접근할 수 있다. - 딕셔너리는 키를 기반으로 여러 자료를 저장하는 자료형이다. - 키는 딕셔너리 내부에서 값에 접근할 때 사용한다. - 값은 딕셔너리 내부에 있는 각각의 내용을 의미한다. 범위 자료형 (Range) - 범위는 정수의 범위를 나타내는 값이다. - range() 함수로 생성한다. p 213의 1번 문제의 답쓰고 인증하기 1. ..
기본미션 - p.187 3번 문제 풀고 본인이 태어난 해와 띠를 출력하는 결과값 화면 인증하기 str_input = input("태어난 해를 입력해주세요> ") birth_year = int(str_input) % 12 if birth_year == 0: print("원숭이 띠입니다.") elif birth_year == 1: print("닭 띠입니다.") elif birth_year == 2: print("개 띠입니다.") elif birth_year == 3: print("돼지 띠입니다.") elif birth_year == 4: print("쥐 띠입니다.") elif birth_year == 5: print("소 띠입니다.") elif birth_year == 6: print("범 띠입니다.") e..
# 기본 미션 p.101 3~5번 실행 결과 쓰고 인증하기 3. 다음 프로그램의 실행 결과를 예측해 보세요. # 연습 문제 //// ------- 4. 다음 프로그램의 실행 결과를 예측해 보세요. 그런데 이 예제를 실행하면 오류가 발생합니다. 몇 행에서 어떤 오류가 발생할까요? 그리고 그 이유는 무엇인지 적어 보세요. 녕 하 세 요 5번째 줄 오류 파이썬의 인덱스는 [0]부터 시작이기 때문에 [5]를 하면 인덱스를 넘어서 오류가 나옵니다 5. 다음 프로그램의 실행 결과를 예측해 보세요 녕하세 하세요 녕하세요 안녕하세 n:m 이면 n 다음부터 m까지 나온다 선택미션 모르는 용어(3~5개) 찾아 혼공 용어 노트에 정리하고 인증하기 이스케이프 문자: 문자열 내부에서 특수한 기능을 수행하는 문자열을 말합니다 키..
기본 미션 1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요? 답: 100개의 뉴런과 10개의 출력층 뉴런이 모두 연결되고 출력층의 뉴런마다 하나의 절편이 있어야 하기 때문에 총 1010개의 모델 파라미터가 필요하다. 1010개 2. 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요? 답: sigmoid 3. 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서드는 무엇인가요? 답: compile() 4. 정수 레이블을 타깃으로 가지는 다중 분류 문제일 때 케라스 모델의 compile() 메서드에 ..
기본미션: k-평균 알고리즘 작동 방식 설명 1. 무작위로 k개의 클러스터 중심을 정한다. 2. 각 샘플에서 가장 가까운 클러스터 중심을 찾아 해당 클러스터의 샘플로 지정합니다. 3. 클러스터에 속한 샘플의 평균값으로 클러스터 중심을 변경합니다. 4. 클러스터 중심에 변화가 없을 때까지 2번으로 돌아가 반복합니다. 장점: 구현하기가 간단하다, 사전에 학습된 레이블이 필요하지 않다, 새로운 데이터의 군집을 찾을 때 계산량이 적다. 단점: 초기에 군집 수를 설정하기 때문에 k의 값에 따라 정확도가 달라진다, 학습 후 초기 학습한 군집 수를 변경이 불가능하기 때문에 데이터 증가에 따라 새로운 클러스터를 형성하는 것은 불가능하다 추가미션 ch.06 확인 문제 풀고, 풀이 과정 정리 하기 1.특성이 20개인 대량..