쑤쑤_CS 기록장

Spring 을 이용한 서버 개발 프로젝트를 팀 단위의 협업으로 진행하려 한다. Spring 샌애긔 의 프로젝트 도전기 시작 :) * 이번주 목표 : spring data jpa 사용하여 회원관리 만들어 놓기 * 진행 계획 : 하기로 한 부분에 대해서 각자 공부 -> 온라인 회의를 통해 구조 짜기 -> 맡아서 각자 해오기 * 우선 공부할 것 - jpa - dao * 생각해볼 것 : 카프카를 어떻게 활용할 수 있는지

보호되어 있는 글입니다.

* 챌린지 내용 Remember the healthy/unhealthy snacks model? Try to train that binary classifier using Turi Create. The approach is actually very similar to what you did in this chapter. The only difference is that you need to assign the label “healthy” or “unhealthy” to each row in the training data SFrame. First, you assign each class into a healthy or unhealthy array — there are 10 classes in each a..

이전 단원에서는 how to train your own models using CreateML and Turi Create에 대해서 배웠다. 이것은 코드를 많이 쓸 필요 없이 사용자에게 편리한 툴 이다. 하지만 이 단점은 사용자에게 많은 control over the training process 권한이 없다. 당신이 뭘 하고 있는지 알고 싶고, ML에서 얻고싶은게 많다면 더 강력한 툴을 사용해야 한다. 이번 단원에서는 대중적인 deep learning tool인 Keras를 사용하여 snacks classifier를 학습하자. Keras는 실제 performs the actual computations하는 backend에서 작동한다. 가장 유명한 TensorFlow를 이용해서 이를 적용해보자. Tens..

* confusion matrix 실제 class / 예측 class 왼쪽 대각선 부분 제외, 0 아닌 값은 에러임 + Netron (github.com/lutzroeder/Netron) 깔아서 실습해보기 -> learning 의 과정 쭉 모델 아키텍처로 보여짐 * mac 키체인 * 다음 단원 Logistic Regrssion //수학적 learning Softmax // 아키텍처 살펴볼 수 있음 * 조언 - mac 환경 영어로 진행하기 -> 익숙해지도록. (고유명사와 명사 등을 구별하기 쉬워진다) * 에러 났을 때, 시나리오 작성하기 - 어디까지 되고 - 어디눌렀을 때 에러 등 하나씩 해결해 나가기 - 6장 공부하고, 자기의 글로 메모하기 - 5장 챌린지1 ( healthy/unhealthy 20개 중..

티스토리 글에 사진을 많이 넣을 경우, 사진에 테두리가 얇게 있는 게 더욱 깔끔하게 느껴질 때가 있죠 오늘은 그 방법에 대해 알아보고자 합니다. 1. 티스토리 스킨 편집 들어가기 2. [html 편집] 누르고 -> CSS 클릭하기 3. command + F 로 해당 단어 찾기 : imageblock 이때 주의점은, 그냥 홈페이지에 마우스를 두고 F를 하면 제대로 안찾아집니다. 꼭 위 CSS 사진 속 한 코드를 클릭 후, 아래 사진처럼 된 상태에서 단어를 찾습니다. 4. 해당 부분을 아래와 같이 바꿔주기. 저는 옅은 회색 코드를 사용했습니다. 사진의 가운데 정렬 도 넣었습니다. area_view 란, 블로그 내 모든 사진 이미지가 아니라 게시글 안에 있는 사진 이미지에만 적용된다는 것을 의미합니다. 필요한..

5단원 에서는 SqueezeNet base model 을 이용해서 snack classifier를 train하고, 그 결과를 evaluate 하기 위한 다른 방법을 알아본다. use the SqueezeNet base model to train the snacks classifier, then explore more ways to evaluate its results. * Getting started 지난 단원의 turienv 환경을 계속 사용한다. Jupyter notebook, snacks dataset 를 이용한다. * Transfer learning with SqueezeNet cells 들을 하나 하나 수행한다. 그 결과, 지난 단원과 비교해서 feature extraction 이 빠르다. Th..

Classification ML에서 해당 모델이 얼마나 잘 작동하는지 통계적으로 확인해 보는 방법. 이런 척도를 계산하는 공식, 분류 모델 성능 평가 지표 1. 정확도 Accuracy Accuracy = ( TP + TN ) / ( TP + FP + FN + TN) 2. 정밀도 Presicion Precision = TP / ( TP + FP ) 3. 재현율 Recall Recall = TP / ( TP + FN ) 4. Fall-out Fall out = 1 - Specificity = FP / ( TN + FP ) ♠ Precision 이란? - Precision : A를 A라고 잘 알아맞출 확률. ' 실제 A / A라고 생각 '한 비율 ♠Overfitting 이란? 일상생활 언어로 말하면, 너무 길..