Simon Yoon's blog

오늘은 인공지능 분야에서 이미지 처리의 핵심 역할을 하는 합성곱 신경망(CNN)에 대해 알아보려고 합니다. 1. 합성곱 신경망(CNN)이란 무엇인가요? 합성곱 신경망은 이미지 처리와 패턴 인식에 사용되는 강력한 딥러닝 알고리즘 중 하나입니다. 이는 주로 이미지의 특징을 추출하고 패턴을 학습하는 데 특화되어 있습니다. 2. 컨볼루션 레이어 CNN의 핵심은 컨볼루션 레이어입니다. 이 레이어는 작은 필터를 사용하여 입력 이미지를 스캔하면서 다양한 특징을 감지합니다. 예를 들어, 엣지, 색깔, 질감 등의 특징을 추출합니다. 컨볼루션에 대해서 좀 더 자세히 살펴보겠습니다. 2-1. 합성곱(컨볼루션)이란? 2-1-1. 이미지에서 특징 추출 ➢ 합성곱은 주로 이미지에서 특징을 추출하는 데 사용됩니다. 우선, 작은 필..

뜬금없이 블로그에 제태크 목표를 올려보고자 합니다. 개인적으로 펀드나 주식 투자는 이전에도 계속 해왔지만, 무지성 매매 때문에 별 소득도 없이 원금 지키기에 바빠서 이렇다할 성과가 딱히 없네요. 그때는 나름대로 고민도 하고 공부도 했다고 생각했는데 그냥 나만의 착각이었던거 같다는 생각이 듭니다. 현재 가장 큰 목표는 수도권에 제가 살만한 아파트를 하나 마련하는 것입니다. 2년 후인 25년 12월 전까지 서울 가까운 쪽에 혼자 살기 적당한 아파트 한채를 사는게 목표입니다. 개인적으로 거리가 먼 목표라고 생각하지만, 목표를 높게 잡아야 실제로 달성하지 못했더라도 얻을 수 있는 것들이 있을거라고 생각합니다. 내년에는 열심히 살아서 내 가치를 더 키울 수 있는 한해를 만들어보고자 합니다.

폰트 적용 코드 일반적으로 matplotlib 에서 한글 폰트를 적용하기 위해서 아래의 코드를 사용한다. import matplotlib.pyplot as plt # 폰트 파일 경로 font_path = '/Library/Fonts/YourFont.ttf' font_name = plt.matplotlib.font_manager.FontProperties(fname=font_path).get_name() plt.rcParams['font.family'] = font_name # rc('font', family=font_name) 만약 맥에 설치해둔 특정 OTF 폰트를 사용하고 싶으면 font_path 에 otf 폰트 파일 경로를 넣어준다. import matplotlib.pyplot as plt # 폰트 ..

SELECT animal_id, name from animal_ins where animal_type = 'dog' and name like '%el%' order by name ;

SELECT outs.animal_id animal_id, outs.name name from animal_outs outs left join animal_ins ins on outs.animal_id = ins.animal_id where ins.animal_id is null order by outs.animal_id ;

SELECT animal_type, ifnull(name, 'No name') name, sex_upon_intake from animal_ins order by animal_id ;

한국어 문장을 처리할 때, 문장 내 띄어쓰기에도 주의해야한다. 띄어쓰기가 어디에 되어있는지에 따라 다른 의미로 해석될 가능성이 존재하기 때문이다. 아래의 예시를 보자. 1) 엄마가 회사 줬어 2) 엄마가 회 사줬어 두 문장의 의미가 띄어쓰기에 따라 완전히 달라진다는 것을 확인할 수 있다. 이렇기 때문에 텍스트 데이터를 분석할 때 띄어쓰기가 제대로 되어있도록 교정해주는 작업이 필요하다. PyKoSpacing 패키지 띄어쓰기가 되어있지 않은 문장을 띄어쓰기 처리를 해주는 패키지고 PyKoSpacing 이 있다. PyKoSpacing is based on Deep Learning model trained from large corpus(more than 100 million NEWS articles from ..

제목만 보면 어떤 말인지 이해하기 어려울 수 있으나, 아래의 예시 데이터처럼 값에 리스트가 들어가 있는 경우, 각 리스트 내 요소를 전개하여 따로 레코드를 생성해 주는 방법에 대한 것입니다. 이럴 때는 pandas 의 explode() 함수를 사용해주면 됩니다. ( pandas explode document 링크 ) 1. 예시 데이터 생성 import pandas as pd data = [[3, 1, ['가', '나', '다']], [4, 0, ['라', '마', '바']], [5, 1, ['아', '자', '차']]] col_names = ['x1', 'x2', 'x3'] df = pd.DataFrame(data=data, columns=col_names) df 2. explode 사용 'x3'에 리스..

1. 간단한 json 파일 [ { "id": "A001", "city": "Tokyo", "country": "Japan", }, { "id": "B012", "city": "Jerusalem", "country": "Isreal", }, { "id": "C123", "city": "Busan", "country": "South Korea", } ] 위와 같은 json 파일을 pandas 로 읽어오려면, 아래와 같이 코드를 작성할 수 있다. import pandas as pd df = pd.read_json('./data/simple.json') 2. json 파일 내부 요소를 불러오기 ( nest list 형태 ) 만약에 아래와 같은 구조를 보이는 json 파일이라면, 위에서처럼 단순히 read_jso..

SELECT animal_id, name, substr(datetime, 1, 10) 날짜 from animal_ins order by animal_id ;

select x1.artist_id, name from artists x1 left join artworks_artists x2 on x1.artist_id = x2.artist_id where death_year not null and artwork_id is null ;

인공지능 팩토리 세미나 발표 by 김노은 Source: https://keras.io/examples/nlp/fnet_classification_with_keras_nlp/ https://aifactory.space/learning/detail/2187 https://towardsdatascience.com/googles-fnet-mixing-tokens-with-fourier-transforms-f98778168c45 Introduction FNet: Mixing Tokens w/ Fourier Transforms Fourier Transforms(FTs) 푸리에 변환은 한 신호(signal)을 수학적인 처리를 통해 진동수(frequency)의 성분으로 분해하는 것이다. 푸리에 변환을 통해 특정 시간 ..

select payment_installments, count(distinct order_id) order_count, min(payment_value) min_value, max(payment_value) max_value, avg(payment_value) avg_value from olist_order_payments_dataset where payment_type == "credit_card" group by payment_installments ;

def solution(id_list, report ,k): answer = [] # id_dict, reporter 생성 id_dict = dict() for user in id_list: id_dict[user] = 0 reporter = id_dict.copy() # report 중복 제거 report = set(report) # count reported times for case in report: id_dict[case.split(' ')[1]] += 1 print(id_dict) # id_dict는 각 회원이 신고받은 횟수 # count messages to reporter for case in report: if id_dict[case.split(' ')[1]] >= k: reporter[..

def solution(survey, choices): answer = '' char_dict = {'R': 0, 'T': 0, 'C': 0, 'F': 0, 'J': 0, 'M': 0, 'A': 0, 'N': 0} # -> use defaultdict(int) score_dict = {1: 3, 2: 2, 3: 1, 4: 0, 5: 1, 6: 2, 7: 3} # 1~3 비동의, 4 모름, 5~7 동의 for i in range(len(choices)): if choices[i] 4: char_dict[survey[i][1]] += score_dict[choices[i]] pr..