사람의 뉴런을 통해 착안 W: b: Activation Hardware Implementations 1957, Frank Rosenblatt, Perceptron False Promises, 허황된 약속을 하게 됨 AND/OR Problem은 가능하나 XOR의 문제는 풀 수 없었음. 1960, Widrow and Hoff, Adaline/Madaline 1969, Marvin Minsky, MIT AI Lab 기존 방식으로 XOR을 풀 수 없다고 얘기함 MLP(Multilayer neural nets)를 통해 풀수도 있다고 했으나 W, b에 대해 학습을 할 수 없다. NN쪽에 대한 연구가 지지부진해짐 1974, 1982 by Paul Werbos, 1986 by Hinton Backpropagation ..
import os, glob for i in range(100): print i 가나다라마바사아자차카타파하 ...더보기 가 나 다라 마바사 ○★ 왼쪽 왼쪽 왼쪽 가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하가나다라마바사아자차카타파하 단락이 너무 넓어.... 인용인용
일반적이고 당연한 것이겠지만 1. 데이터의 속성을 세밀하게 분석할 필요가 있다.대부분 제공되는 오픈된 소스에서 보면 코드의 70~80가 전처리 부분이다.한줄 한줄에 대한 이해가 필요함.바꿀 수 있는 요소를 찾고 검토를 해야 함. 2. BP 사례를 찾아 최적이라 생각되는 모델을 구성할 필요가 있다.나중에 모델의 구조를 변경하게 되면 하이퍼파라미터의 재수정이 들어가야되는 상황이 발생하므로최적이라 판단되는 혹은 레퍼런스가 많은 모델 구조를 우선 만들 필요가 있다. 3. 하이퍼 파라미터의 수정은 기록이다.우선 모델을 어느정도 구조화시킨 다음에는 다양한 파라미터를 수정해 가면서 정확도를 예측하게 되는데어떤 전략으로 수정해 나갈지 사전에 계획하고 수정사항들을 꼼꼼히 기록할 필요가 있어 보인다. 4. 시각화도 중요하..
티스토리에서 코드 입력이 너무 불편해서 찾던 중SyntaxHighlighter, Color Scripter, highlight.js 등을 확인해 봄. 그 중 Color Scripter 사용. Color Scripter웹 기반으로 원하는 코드를 선택하고 복붙을 하면 된다. 대략 사이트에 코드를 정리한 후(최종) 복사를 하고 블로그에 붙여넣기 하면 아래와 같이 표시된다. 아쉬운 점은 아래 영역에서 글을 추가하는 것은 가능하나 추가한 코드에 대해서는 하이라이팅이 안됨. 123456789101112131415161718import tensorflow as tftf.enable_eager_execution() # 한글 주석layers = tf.keras.layersmodel = tf.keras.models.Seq..
역사출처: https://www.facebook.com/SyzygyGroup/photos/a.205403483317/10155176869023318/?type=3&theater1950년 영국수학자 앨런 튜링 - ‘계산 기계와 지능(Computing Machinery and Intelligence)’ 논문 발표 - 기계가 생각할 수 있는지 테스트하는 방법, 지능적 기계의 개발 가능성, 학습하는 기계 등에 대해 기술1955년, 미국 다트머스 대학 존 매카시 교수 - 다트머스 회의를 통해 처음으로 인공지능(AI)라는 용어가 사용되기 시작 - 당시 인공지능 연구의 핵심은 추론과 탐색미국의 신경외과의 워렌 맥컬록(Warren Mc Cullonch)과 논리학자 월터피츠(Walter Pitts) - 전기 스위치처럼 ..
데이터 사이언스는 특정 도메인의 깊은 지식과 수학, 전산, 소프트웨어 개발 등 다양한 분야의 전문적인 지식이 필요한 부분이다. 그런만큼 모든 것을 한다는 것은 사실상 불가능하다고 볼 수 있다. 이런 상황에서 본인이 어떤 역할자로 데이터 사이언스 분야에 활동할 것인지를 잘 판단하는 것이 중요하다. 학습 데이터 사이언스를 분야를 알기 위해서 필요한 것을 나열해 보면 데이터 처리를 위한 프로그래밍 언어에 대한 이해 Machine Learning, Neural Networ, Deep Learning에 대한 개념 이해 ML관련 기초 수학 지식 데이터 분석 모델링을 위한 플랫폼의 이해(PyTorch, Keras, Tensorflow, ...) 대표 모델들에 대한 이해(AlexNet, Vgg, ResNet, ...)..
코딩 도장: https://dojang.io/course/view.php?id=3
- Total
- Today
- Yesterday
- pygr
- deep learning
- MySQL
- wget
- Next Generation Sequencing
- Aging
- 생물정보기업
- ssh
- 리눅스 모니터링
- TM
- 가상호스트
- machine learning
- VirtualHost
- CNV
- color scripter
- paired-end
- tensorflow
- xbrowser
- signalP
- Mate pair
- GaN
- Python
- edwith
- transmembrane
- 화목난로
- 리눅스
- 달인
- 우드스토브
- illumina
- Bioinformatics
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |