머신러닝 야학 종료! Opentutorials에서 제공하는 머신러닝 야학 2기가 1월 19일을 끝으로 마무리됐다. 머신러닝 야학에서는 Orange3, Python, JavaScript 등의 툴로 머신러닝을 배울 수 있는 기회가 주어졌는데, 나는 그 중에서 Python 강좌를 수강했다. 수업은 기본적인 파이썬 지식이 없음에도 이해가 갈 정도로 수업은 쉽고 친절하게 설계되었고, 중간중간 학생들을 상당히 독려해주었다. 나만 그런 줄 알았는데, 졸업식 때 시청자들의 후기들을 보면서 그러한 독려 문구가 나뿐만 아니라 생각보다 많은 사람들에게 도움이 되었다는 걸 깨달았다. 확실히 도움이 되는 수업이었다. 그러나 이제 다시 막막해진다. 확실히 과거에 비해서는 아는 게 많이 생겼다. 하지만 문제는 아는 것보다 모르는 ..

본 포스팅은 오픈튜토리얼즈에서 제공하는 머신야학 2기 참여자로서 필기를 위해 자의적으로 남기는 글이다. 모쪼록 오픈튜토리얼즈가 많은 후원을 받아서 더 질 좋은 영상과 컨텐츠로 찾아오면 좋겠다. 공부를 시작하자. Review 이제부턴 본격적으로 이미지 분류 모델을 만들 것 처럼 보인다. 그 전에 먼저 가장 도외시했던, 머신러닝이란 무엇인가에 대한 복습을 진행하고 가자. insomnia.tistory.com/6?category=953725 머신 러닝 (①) 필기 Machine Learning 1-12 표 행에는 하나의 예시(instance, observed value, example, record, case), 열에는 하나의 속성(feature, attribute, variable, field)이 적힌다. ..

원핫인코딩 범주를 회귀와 같은 방식으로 계산한다면 다양한 품종의 꽃들이 "품종"이라는 한 개의 속성으로 분류될 것이다. 하지만 우리가 원하는 건 품종 중에서도 어떤 품종인지, 즉 "Setosa", "Versicolor", "Virginica"(아이리스 꽃 품종의 종류)인지를 구분하는 것이다. 이를 위해서는 '품종'속성을 새로운 칼럼들(=속성)로 바꿔준다. 이 과정을 원핫인코딩이라고 하며, 아래 예시를 통해 이해하자. 기존 표 꽃잎의 길이 꽃잎의 폭 품종 5.1 3.5 Setosa 4.9 3 Virginica 적용 코드 아이리스 = pd.get_dummies(아이리스) 변환된 표 꽃잎의 길이 꽃잎의 폭 품종.Setosa 품종.Versicolor 품종.Virginica 5.1 3.5 1 0 0 4.9 3 0..

유튜버 '봉수골 개발자 이선비'의 텐서플로우 강의 '생활코드'와 같이 OpenTutorials에서 활동하시는 유튜버 이선비의 텐서플로우 강의를 수강했다. 온라인으로 쉽게 접할 수 없는 고급 지식들을 누구나 이해할 수 있게 설명해주는 이런 강의를 열어주시는 이선비님과 오픈튜토리얼즈에게 너무도 감사하다. 여러모로 도움이 되는 강의였는데, 다만 초심자를 위해 무엇을 뺄 지 고민하는 과정에서 개인적으로는 너무 많은 것들이 빠지지 않았나... 하는 생각이 들었다. 그러다보니 다 묶어서 땡 치고 넘어가는 기분. 더 깊게 공부하고싶은 입장에서는 강의를 듣다가 중간중간 '응?' 하면서 의아해하는 부분이 있었다. 이선비의 강좌 필기와 더불어 개인적으로 조사한 내용들도 추가해서 적어 두었다. 머신러닝에서 LOSS란 무엇인..

머신러닝 야학 2기를 신청한 입장으로서 이전 과제에 대한 복습은 역시 필수다. 심지어 내가 원하는 공부 내용이다보니 아무래도 자꾸 눈이 간다. 그렇게 머신러닝1의 공부를 마쳤다. 더 많은 것을 알고자 다음 단계로 넘어가면서 코딩을 할 수 있냐는 물음에 잠깐 막혔다. 분명히 html로 몇 자 끄적일 수 있다. 고등학교 땐 R프로그램을 통해 대회에 출전한 적도 있다. 하지만 코딩을 할 수 있나...? 아직 배운 게 많지 않아서 그런지 코딩은 내게는 너무 멀게만 느껴졌다. 하지만 나는 다른 Flow를 선택했다. 바로 Tensorflow다.(OHHHHH) 코딩을 할 줄 모르지만... 내 목표는 오렌지3로 장난감을 만드는 게 아니다. 직접 코드를 쳐 가면서, 자유도 높은 플랫폼에서 나만의 지적 산출물을 만들어내는..