댕기

이전강의 : 딥러닝레벨원07 : 딥러닝 이론

처음 파이썬 설치를 3.11로 했다가 텐서플로우가 3.10까지 지원해서 지우고 3.11 설치했지만 최초 파이참설치할때 3.11과 연결되어서 자꾸 인터프리터 세팅을 다시 해줘야 함.. 

인공지능제1호 : 트레이닝과정 정확도(적)과 테스트 과정 정확도인데 정확도(성능)는 횟수가 증가할 수록 올라 가고 로스도 점점 작아지만 테스트로스와 트레이닝 로스(적)의 갭이 벌어지는 데 데이터에 너무 치정된 상태(overfitting- 편견과 비슷한 것으로 일반화하지 못하고 특정 결과만 편중된 해석을 함)

인공제능 제 2호 : 정확도가 강의에는 93%인데 100%이 나왔자만 일정한 곡선이 없는 것으로 보아 일반화까지 못갔고 학습이 덜되었다고 봐야 한다. 오퍼피팅이 남아서 드랍아웃이 안 먹힌다. (강의는 안 그런데)
     ---->   다시 돌리니 비슷해졌다

연속적 변량

인공제능 제 3호는 키,다리길이,머리둘레로 체중을 예측하는 것으로 6층짜리 레이어이고  0과 1로 일반화하고 평균은 0.5로 퍼셉트론은 7개 메트릭이 있어요
50번 하기로 했으나 어느 정도 성능이 나와서 32번에서 수행 멈추었고 정확도가 97%가 나온다고 실제값(빨간선) 주위로 분포되어 있다. 선 아래값 범위는 AI는 실제 사람들 값이 낮았을 것이다고 예측했고 트레이닝로스는 수평에 도달한것으로 보아 성능한계점에 도달한 것으로 보며 테스트는 오타차가 커지는 것을 볼 수 있다.

인공제능 제 4호는 손글씨 인식으로 한줄로 붙이는 flattern와 128비트와 10개 카테고리를 구분하고 데이터를 받고 시작하는데 정확도가 처음 부터 96%로 나오며 테스트 로스가 점점 커지는 데 처음 부터 AI정확도가 96%여서 갭이 커져서 트레이닝 데이터가 너무 많아서 결국 편중됨.

인공제능 제 5호는 FNN로 이미지 학습하는 것으로 input_shape가 32로 변경된 것으로  5만장 트레이닝 데이터와 1만장 테스트 데이터로 학습하는 것으로 정확도가 38%를 넘지 않으며 연습문제에 매몰되기 시작했지만 성능은 40%정도로 절망적이며 FNN의 한계임

인공제능 제 6호는 CNN으로 학습하는 것으로 {Conv2D,BatchNormalization,ReLU,MaxPooling2D},Flatten,Dense등 사용하고 Dropout까지 추가한것 결과는 3회 4회에서 오버핏이 나온 것으로 보이고 정확도에서는 12회 이후 떨어졌다가 회복하네요 . 정확도만 본다면 8회-9회정도가 74%로 제일 정확합니다.
1
1
1

인공제능 제 7호는 말과 사람을 구분하는 것으로 CNN다섯개 맥스풀링 모두 적용하는 것으로 99% 말과 사람 구분하는 것으로 오버핏도 많이 없어졌고  정확도도 99%로 되는 것 보아 잘 학습된 인공지능으로 보임

인공제능 제 8호는 가위바위보하는 AI로 사람이 내는 게 가위바위보중 어느 것인지 인지하는 것이 중요하며 Conv2D, MaxPooling2D로 구성되어 있고  출력층(Dense)이 3이며 100% 도달하고 오차가 0이여서 10번에 학습이 끝난 것으로 CNN은 가위바위보는 쉽다.

인공제능 제 9호는 텐서플로우를 통해 학습하는 예제를 "스타일 이전"을 이용하여 이미지를 화풍으로 변경하며 hub.load를 불러옴

인공제능 제 10호는 손글씨 인식하는 예제로 학습할 때마다 숫자를 생성 ( 3시간 이상 걸림)

인공제능 제 11호는 모바일 어플로 사물인식하는 예제

인공제능 제 12호
1
1
1

인공제능 제 13호
1
1
1

인공제능 제 14호
1
1
1

인공제능 제 15호
1
1
1

인공제능 제 16호는 과거의 주가로 미래 주가 예측하는 실습으로  데이터는 날짜, 시작가, 최고가, 최저가, 종가, 조정종가, 거래량이고 원도우가 14로 과거 14일간 데이터를 묶어서 분석하여 5일간 데이터 출력하는 것인데 오버핏이 크게 나오고 두선이 만나지 않는 것으로 보아 해당 모델이 적절하지 않다 또는 너무 작은 모델로 큰 것을 하는 것 같다라 하심 특히 주가가 낮을 때 정확도가 엄청 떨어지는 것으로 게다가 아래쪽이 위쪽보다 넓은 건은 인공지능이 예측한 주가가 실제 보다 높은 경우가 많다는 것 
1
1
1

Epoch 10   Generator Loss : 1.02443   Discriminator Loss : 1.08335   Time : 120.5 seconds

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

인공제능 제 호
1
1
1

d

다음강의: 딥러닝레벨원09:

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

이전 강의 : 딥러닝레벨원01:파이썬 설치(환경)

인터프리터로 계산해보기 : ipython 실행후 계산식 해보기 

종료 quit()해주고 소스 코드 복제 :  git clone https://github.com/needleworm/python101

강의에서는 오래 걸리는데 금방 끝나 확인해보니 압축파일로 받아 풀어버리네

실행해보기 : 해당 폴더로 이동하고 Git Bash 실행하고 python main.py 실행

파이참에서 실행 : 소스 불러오고 마우스 우클릭메뉴에서 Run을 눌러준다 (Run이 안보이면 상단에서 Run(녹색 삼각형))

파이참 터미널에서 실행 : 해당 경로에 가서 실행 

팁 - 파이참 인터프리터 설정 - 시스템 인터프리터 사용 C:\Users\j0par\AppData\Local\Programs\Python\Python311\python.exe

다음 강의 : 딥러닝레벨원03: 컴퓨터공학 개론과 파이썬

딥러닝레벨원:왕초보 16가지 인공지능

파이썬 설치 (주의 파이썬 패스 선택할 것 )  Python org

설치 검증 : 커맨드창에서 PYTHON 실행

파이참커뮤니티 설치 : JetBrains Pycham

파이참 커뮤니티 설치시 주의사항 (Path& Context Menu 체크할 것)  

설치 검증 : 마우스 우클릭 후 "Open Folder as PyCharm Community Edition Project"가 보여야 함

Git for windows 설치 https://gitforwindows.org/

설치시 주의사항 "Windows Explorer integration 하위 모두 체크할 것

강의 녹음이후 sw 업데이트 되어 ide선택 가능해서 파이참 선택하면 안됨 (비추)

설치검증 : 바탕화면 우클릭하여 "Git Bash Here" 선택한 후 Bash 실행 확인

Git Bash 통합 : pip install ipyhon

설치 검증 : Git Bash 재실행

-- --- ---

맥 설치는 일단 생략

-- --- ---

다음 강의 : 딥러닝레벨원02:파이썬실행

강의명 : 일잘러를 위한 비즈니스 스피치 일반링크(비공개) GFC링크 총7:43:38 16개 주제 141개 강의
본 글은 패스트캠퍼스 일잘러를 위한 비즈니스 스피치 온라인의 강좌를 나름 정리한 글로 대부분의 내용은 강의안에서 추출하거나 요약한 것입니다. 

먼저 글로 적어보고, 불필요한 문장 삭제하고, 핵심메시지 확인하고 시간/두괄식 정하기