전체 글

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 3.1(평가 Evaluation): 분류(Classification) 성능 평가지표 개요와 정확도(Accuracy) 소개

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 1. Classification 성능 평가 지표 Parameter 넣을 때 (y_test, y_pred) 순서대로 넣어야 함!! Classification (분류) 성능 평가 지표 ..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 2.4: Titanic Survivor Prediction ML

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 1. Titanic Survivor Prediction ML Process 데이터 전처리(fit, transform) -> ML 모델 학습(fit)/예측(predict)/평가 Dat..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 2.3: Data Preprocessing (데이터 전처리)

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 1. Data Preprocessing (데이터 전처리) https://velog.io/@dauuuum/preprocessing#6-feature-engineering Data Pr..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 2.2: Scikit Learn Model Selection & Cross-Validation / GridSearchCV

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 1. Model Selection Scikit Learn 활용 ML 워크플로우 Load Data: 데이터셋 준비 Preprocessing: 데이터 전처리(fit, transform)..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 2.1: Scikit Learn & iris classification

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 1. Scikit Learn 개요 Scikit Learn 소개 Python기반의 다른 ML 패키지도 사이킷런 스타일의 API를 지향할 정도로 쉽고 가장 Python스러운 API를 제..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 1.3: Pandas

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 0. Pandas 개요 Pandas Python에서 데이터 처리를 위해 존재하는 가장 인기있는 라이브러리 일반적으로 대부분의 데이터 세트는 2차원 데이터이므로 row, column ..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 1.2: Numpy

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 0. Jupyter Notebook & Intro 대표적인 대화형 파이썬 툴 프로그래밍과 이에 대한 설명적인 요소를 결합했다는 의미 전체 프로그램에서 특정 코드 영역별로 개별 수행을..

ML & DL/파이썬 머신러닝 실전 가이드

[Python ML Guide] Section 1.1 : Machine Learning

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C [개정판] 파이썬 머신러닝 완벽 가이드 - 인프런 | 강의 이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다., [사진]상세한 설명과 풍부 www.inflearn.com 1. Fundamentals of Machine Learning 기존의 데이터를 바탕으로 알고리즘을 사용해 새로운 모델을 만들고, 해당 모델에 새로운 데이터를 적용하여 패턴을 학습하..

AI Fundamentals/LG Aimers 3기

[LG Aimers] Module 7.6(Deep Learning) : Self-Supervised Learning and Large-Scale Pre-Trained Models

0. Intro 대규모 Data를 별도의 label없이 입력의 일부를 예측대상으로 삼아서 학습하는 Self-supervised Learning 이를 통해 대규모 data로 사전 학습된 자연어 처리 용도로 사용될 수 있는 BERT GPT2,3에서 사용되는 masked language model 및 다음 단어를 예측하는 language modeling을 통해서 다양한 자연어 처리 task의 성능을 높여줌 실제 언어 생성 task로서 GPT2,3을 사용해서 실제 창작과정에 도움을 줄 수 있는 사례 1. Self-supervised Learning (자가 지도학습) Unlabled data(given input, No desired output = No Label) 를 기반으로 하여 input의 일부를 예측/출..

Jae.
Steady & Persistent