댕기

구글 스프레드 시트의 어레이포뮬러 함수를 이용하여 날짜를 자동으로 넣을 수 있다. 

사실, 구글 시트에 날짜를 자동으로 넣고 싶은데 일일이 +1 하는 건 귀찮은 일.

이는 어레이 포뮬러 함수와 종횡(행렬) 조정값, 기준일 등으로 수식을 구성하면 자동으로 채워진다.

횡(Column)으로 날짜를 넣는 경우 ARRAYFORMULA(COLUMN(범위)-조정값+기준일)으로 하면 되고 종(Row)으로 날짜는 넣는 경우 =ARRAYFORMULA(ROW(범위)-조정값+기준일)로 하면 된다.
예 =ARRAYFORMULA(COLUMN(C1:AB1)-2+기준일) =ARRAYFORMULA(ROW(A3:A)-2+기준일)

* 우선 횡(Column)으로 하는 경우 ,
1) 기준일을 정하고

2) 열수(Column) 값을 확인하고

3) 어레이포뮬러함수에 범위, 기준일, 열수를 입력하여  완성한다.

=ARRAYFORMULA(COLUMN(C1:1)-2+'시트9'!기준일)

* 종(Row)으로 하는 경우 ,
1) 기준일을 정하고

2) 행수(Row) 값을 확인하고

3) 어레이포뮬러함수에 범위, 기준일, 행수를 입력하여  완성한다.

=ARRAYFORMULA(ROW(A3:A)-2+'시트9'!기준일)

사실 귀찮다면 아래 날짜 넣기 관련 시트를 복사해  사용하시면 됩니다.

https://docs.google.com/spreadsheets/d/1OIOAbO_gNLuOVyQuR13CNCKwvhhuZZsQwfeQCP6B9FY/edit?usp=sharing 

구글 스프레드 시트의 최애 기능중 하나가 query함수를 사용할 수 있다는 것이다. 

Label을 사용하면 수식이 들어간 열의 헤더를 바꿀수 있으나 포맷 맞추는 게 힘들어서 윗줄에 헤더 수동으로 입력하고 헤더를 숨김처리하는 게 낫다.

=QUERY(dta05_09,"SELECT A,B,C,D,J,YEAR(J),MONTH(J)+1,DAY(J),QUARTER(J) 
where D ='엘더레이크' or D = '로켓레이크S'
LABEL YEAR(J) '등록년도' ,MONTH(J)+1 '등록월' ,DAY(J) '등록일' ,QUARTER(J) '분기' ",1)

헤더는 범위에 따라 헤더로 인식하면 -1해도 나온다. (범위가 헤더 같으면 나오고 데이터면 안나온다는 말)
  아래 그림 두번째 줄 첫번째 예는 -1 임에도 헤더가 나오고
 세번째줄 두번째 예는 -1임에도 헤더가 없다

=QUERY(dta05_09,"SELECT A,B,C,D,J,YEAR(J),MONTH(J)+1,DAY(J),QUARTER(J) 
where D ='엘더레이크' or D = '로켓레이크S'",1)

=QUERY(Data!A2:M,"SELECT A,B,C,D,J,YEAR(J),MONTH(J)+1,DAY(J),QUARTER(J) 
where D ='엘더레이크' or D = '로켓레이크S'",1)

https://fastcampus.co.kr/biz_online_googlesheet

패스트캠퍼스에서 진행하는 무료 강의 이벤트 

내용도 나쁘지 않고 기간내 50% 수강하면 내 강의가 된다. 80% 이상 들여면 수강할인권도 주는 이벤트

강의수는 6개 이지만 딥러닝 들어보니 너무 쉽게 이해가 되고 입문이 되어 기본 과정에도 들어보고 싶은 생각이 들정도로

이전강의 : 딥러닝레벨원06 : 딥러닝환경세팅&GPCPU

04뇌는 지방단백질덩어리이지만 신경망이 있는 특별한 것이며 신경세포가 뭉쳐 있다.  세포체, 축삭, 미엘린수초, 슈반세포, 수상돌기, 축삭말단등으로 구성됨//액션 퍼텐셜을 이용하여 입력을 받아 더하고 입력을 받아 함수로 출력

퍼셉트론 : (딥러닝-가중치 학습)  백프로게이션(복잡한미분) 

딥러닝 + 빅데이터(학습 및 가중치 수정), 배치팩터 삭제, 사견 제거, 로스 함수, 경사하강법, 최적화도구, 러닝레이터(Learning Rate), Dropout

분류법
이산/연속(한개 씩 셀수 있나?) - 이산수학- 확률과 통계(가능성을 연구하면서 발달된 학문) - 빈도(주사위가 전체 대비 6이 나온 확률은?/강수확률) - 신뢰도(정보의 믿음 척도[포마스 메이지]) - (뇌는 베이즈정리계산기) -
소프트맥스(softmax/단순한 숫자의 나열을 확률 차원으로 변화)- 다른 선택지보다 높은 수치로 봐야 함.- (이산 데이터에서 카테고리 구분 행위이고 베이지 함수로 진행한다.)
데이터는 피처(학습지)와 레이블(정답지)  구성되며 원핫벡터(레이블과 )로 하고 데이터는 노말라이징해야 하며  (8:2트레이닝테스트), 

연속적 변량은 회귀를 기반으로 하며 추세외삽법(지금까지 과거 데이터로 현재/미래를 예측하는 법), 내삽(지금까지 데이터중 내부 기간 데이터를 뽑는 것) 예측하는 데이터 이산적이면 어떤 카테고리인지 구분한다면 연속적은 구체적인 소수를 추론함, 시그모이드 함수(출력층의 값을 0(최소값)과 1(최대값)사이로 나오게 제약으로 -AI가 특정 범위에 출력값을 그룹핑/제한적 하게 해주는 함수) , 로스함수는 크로스 로스 대신 ME(평균에러), MAE(평균절대값에러), MAPE(절대값+퍼센트), MSQ(제곱값) [46.7% 5:32] 

영상인식 - 빛의 삼원색에 의해 RGB로 구성된 픽셀이며 이 픽셀(점)이 모여서 영상을 이미지를 만드는 것으로 AI는 이미지의 픽셀정보를 넣어 보며 AI는 3차원정보로 처리해야 함 . 플랙팅레이어(Flattening )를 이용하며   [48.3% 5:43 -50% 5:52 //평생수강획득 ]조심 80%되면 할인권이 나오는 데 7일 유효기간만 해 ]

06.인간의 시각인식 - 원추세포 3개(색), 간상세포 1개(명암),  [50%, 6:05]
양쪽 눈은 크로스 하셔 좌우뇌로 정보 전달 (안구/시시경/외측슬상핵/시각피질/아래관자피질&두정엽
v1(경계면)>v2(면-착시현상)>v4(객체인식Attention)>it(얼굴)  (7:43) What(V1->V4)&Where(V1 -> v6) 
시신경 흉내> 정보처리 단계 흉내> 신경망(V4출력값 IT취합) 흉내

CNN-컨볼루션- 이미지 원본 이미지를 줄임(추상화성공) <--> zero padding  pooling layer (이미지를 더 빠른 속도로 작아지게 만들때)
퍼셉트론-입력&가중치>각 입력과 가중치를 곱해서 더함>활성화함수를 씌워 출력값>학습통해 가중치 수정
FNN-
성능개선-배치노말레이제이션
DCN-CNN반대

07시각처리는 CNN이 우수한 AI를 보았어요 그외 뇌를 배워서 강화하고 있어요. 특히 도파민 원리를 이용한다면 최고가 될수 있을 듯 

08CNN을 쌓으면 인간의 뇌와 비슷해져요 화가의 화풍을 따라하는 AI로 pip install --upgrade tensorflow_hub를 실행하여 준비함.

08

다음강의: 딥러닝레벨원08 : 실행

이전강의: 딥러닝레벨원05: 파이썬 라이브러리

예제코드 설치하기 및 내용 살짝 보기 :
01학생신체지수
02아이리스
03육군신체치수
04손글씨
05이미지인식
06이미지인식ai구조변경
07사람말구분
08가위바위보
09구글AI화가
10의류디자인/사물그리기
11모바일
12견묘색칠
13스팸
14스팸AI구조변경
15날씨
16애플주가추측

GPU : 계산만하는 단순CPU  TPU(구글)등 GPCPU(GPU+CPU)

GPU없는 경우 텐서 플로우쉽게 설치됨 - (장치관리자-디스플레이어댑터-nVIDA로 표시된 경우, 내장그래픽카드는 없다고 보면됨)

설치안됨 버전이 3.10만 지원된다고  강사님 컴은 뭐지

파이썬 3.11 삭제하고 3.10 재설치 악 재설치할게 뭐지

텐서플로우 설치 확인 : ipython 에서 tensorflow를 import 해본다.

이후 버전 확인해본다.  tf.__version__ (underbar 2개)

다음강의: 딥러닝레벨원07:딥러닝이론01

이전강의: 딥러닝레벨원04: 파이썬 기초 - 변수

라이브러리 활용

pip install numpy

기초 샘플 소스를 실행하면서 익히고 구글에서 검색하여 확인

https://pypi.org/project/numpy/

다음강의 :  딥러닝레벨원06 : 환경세팅&GPCPU

이전 강의 : 딥러닝레벨원03: 컴퓨터공학 개론과 파이썬

변수는 데이터를 담는 그릇으로  = 을 사용하여 데이터를 담는다. 그리고 데이터는 메모리에 저장되어 있다. 변수는 메모리용량넘어서 데이터를 넣을 수 있다. 이름은 알파벳,숫자,_를 사용할 수 있으며 첫번째 자리는 문자와 _로 시작하며 숫자는 두번째 자리이후 사용할 수 있으며  사칙연산은 불가하며 그외 특수문자는 사용할 수 없다.  변수를 정의하면 사칙연산을 처리할 수 있다. 단 선언이 되어야 한다.

데이터 타입에는 숫자(정수,소수), 문자이며 소수점은 근사값으로 표현함을 기억하며 " "(큰따옴표)나 ' '(작은따옴표)사이에 문자를 넣으면 글자로 인식한다. 스트링은 글자순서를 가진 것이며 리스트는 []를 사용하며 데이터를 차곡차곡 쌓아놓은 것 이며 튜플은 ()를 사용하여 데이터를 담는 것으로 리스트와 동일하나 차이점은 내부 데이터를 바꿀수 있냐 없냐로 구분한다. bool은 논리값을 표현한 것으로 프로그래밍이 논리의 흐름이기에 중요하며 조건문등에서 사용한다. 그외 set, dict가 있지만 생략한다.

스트링은 글자를 표현하는 것으로 """ 세번 사용하면 중간에 따옴표 하나도 사용가능하며 이스케이프문자도 가능하다. \n 줄바꿈 \t는 탭으로 일정간격으로 글자를 띄워줌. 스트링은 인덱싱되어 값이 저장되며 []를 이용하면 몇 번째 있는 데이터를 가져올 수 있다. 슬라이싱은 :를 사용하며 1값이 적은 값을 가져온다 그리고 [:4]하면 앞에서 4자리만 [4:]하면 4번째 이후 다번째 자리뒤로 가져온다. slpit를 사용하면 문장을 쪼개어 준다. 멤버십 또는 글자 있는지 찾는 in/not in  있다.

리스트는 []로 시작하며 내부 내용을 바꿀수 있다. 인덱싱 적용도 가능하다. 멤버쉽도 가능하다. append하면 추가할 수 있다. pop하면 마지막 값이 사라진다.

튜플은 ()로 시작하며 데이터가 바꿀수 없다. 내가 만든 값을 다른 사람이 수정 못하도록 하기 위해서 사용해요. 

함수는 인풋을 넣으면 아웃풋이 나오는 것으로 함은 상자라는 한자어로 자판기와 비슷하다. def 로 선언하여 시작하며 이름이 나오고 ()는 입력값이다. len, print도 함수이다.

다음 강의 : 딥러닝레벨원05: 파이썬 라이브러리

이전 강의 : 딥러닝레벨원02:파이썬실행

데이터 연산장치인 컴퓨터 (compute + er)는 CPU와 램 등등으로 구성된 것으로 데이터가 메모리에 올라가고 스토리지에 저장되는 데 인공지능도 메모리에 올라간 데이터를 불러가 학습한다.

컴퓨터는 0과 1로 된 데이터를 처리하던 기계로 기계가 알아듣는 언어로 코딩해야 돌아가요. 어셈블리는 기계어가 돌아가게 제작된 로레벨 언어이며 파이썬은 하이레벨 언어로 인터프리터(실시간 실행)되는 언어이다.

다음 강의 : 딥러닝레벨원04: 파이썬 기초 - 변수