본문 바로가기

전체 글

 (108)
tkinter 파이썬으로 GUI 사용자 인터페이스 만들기 소리 분류 모델을 이용하여 사용자 인터페이스를 만들어 보았다. 소리 데이터를 넣으면 개, 고양이 중 분류를 하여 화면에 나타내준다. 확률도 같이 나오게 했다. 사용자 인터페이스를 만든 과정을 보자 [1] 필요한 패키지 로드 # 1.필요한 패키지 전부 로드 import tkinter as tk from tkinter import filedialog from tkinter import * from PIL import ImageTk, Image import numpy as np from keras.models import load_model import cv2 import numpy import glob import librosa from pygame import mixer #소리 재생 모듈 from matp..
스파크 SQL 기본 코드 예제 (group by, rank) 문제 1. 부서번호가 30번인 사원들의 이름, 월급, 부서번호를 출력하시오 # sqlContext.sql 도 가능하지만 그냥 편하게 sql로 하기 scala> sql("""select ename, sal, deptno | from emp | where deptno=30""").show() +------+----+------+ | ename| sal|deptno| +------+----+------+ | BLAKE|2850| 30| |MARTIN|1250| 30| | ALLEN|1600| 30| |TURNER|1500| 30| | JAMES| 950| 30| | WARD|1250| 30| +------+----+------+ 문제 2. 직업과 직업별 토탈월급을 출력하는데 HAVING 절을 이용해서 직업별 ..
개, 고양이 음성 분류 신경망 실습 google colab에서 개와 고양이 음성 분류를 위해 신경망에 실습해보겠다. 파일은 kaggle 에 있는 개, 고양이 파일로 실습해보았다. 소리 데이터 파일 출처 : https://www.kaggle.com/datasets/mmoreaux/audio-cats-and-dogs?select=cats_dogs 목차 1. 준비 작업 2. 두번째 타이틀 3. 세번째 타이틀 4. 네번째 타이틀 1. 데이터 로드 코랩에 파일을 올리고 데이터를 로드 시킨다. 아래의 코드 순서는 dog(1~100) —→ cat(101~200) —→ dog (201~300) —→ cat (301~400) 순서이다. import pandas as pd import numpy as np import glob #glob 모듈의 glob 함..
의사결정트리 이론 목차 1. 의사결정트리란 2. 엔트로피 3. 정보획득량 4. 의사결정트리 알고리즘 (파이썬 코드) 1. 의사결정트리란 (분류 예측 모델) [1] 의사결정트리란 데이터들이 가진 속성들로부터 분할 기준 속성을 판별하고, 분할 기준 속성에 따라 트리 형태로 모델링하는 분류 예측 모델 예를 들어, 질문을 던져서 대상을 좁혀나가는 스무고개 놀이와 비슷하다! [2] 의사결정트리의 특징 의사결정트리는 일련의 질문을 통해 타깃 범주를 예측할 수 있다. 이 모델은 (일부 구현에서) 수치형이 아닌 데이터를 지원하고, 데이터 준비 과정이 비교적 단순하며, 비선형적 관계를 처리할 수 있을 뿐만 아니라, 특징들의 중요도를 얻고 해석이 쉽다는 장점을 가진다. [3] 의사결정트리는 어떻게 만들어지는가? 1. 정보획득량이 높은 컬럼..
밑바닥부터 시작하는 딥러닝 8장 -2. 사물검출(object detection) 출처: 밑바닥부터 시작하는 딥러닝 p.279 티스토리 참고 출처 https://techblog-history-younghunjo1.tistory.com/m/178 https://velog.io/@cha-suyeon/딥러닝-Object-Detection-개념과-용어-정리 목차 1. object detection (사물 검출) 이란 2.object detection의 과정 3. R-CNN 1. object detection (사물 검출) 이란 Object Detection = 여러가지 물체에 대한 Classification + 물체의 위치정보를 파악하는 Localization object detection 이란 여러 물체에 대해 어떤 물체인지 분류하는 Classification 문제와 그 물체가 어디 있는지..
밑바닥부터 시작하는 딥러닝 8장. 딥러닝의 역사와 기술들 출처: 밑바닥부터 시작하는 딥러닝 목차 1. LeNet - CNN 시초 신경망 2. VGG 신경망 3. VGG 신경망 코드 (텐써플로우) 4. 그 외 다른 유명한 신경망 1. LeNet - CNN 시초 신경망 LeNet 은 손글시 숫자를 인식하는 신경망으로 1998년에 제안되었다. CNN 알고리즘의 시초 신경망이다. MNIST 데이터를 만든 얀루큰 교수님에 의해 개발됨. 지금은 28x28 사이즈를 사용하는데 그 당시에는 32x32 사이즈로 신경망에 넣었다. 설계도 : 이미지(32x32) ——> conv —→ maxpooling —→ conv —→ maxpooling —→ fully connected1 —→ fully connected2 —→ fully connected3 —→ outpu 2. VGG 신경..
밑바닥부터 시작하는 딥러닝 7장 CNN 목차 1. 합성곱 (CNN) 2. 패딩 3. 3차원 데이터의 합성곱 연산 4. 풀링 1. 합성곱 (CNN) 안녕하세요 2. 두번째 타이틀 안녕하세요 3. 세번째 타이틀 안녕하세요 4. 네번째 타이틀 안녕하세요
나이브 베이즈란 목차 1. 나이브 베이즈란 2. 나이브 베이즈 이론 설명 3. 세번째 타이틀 4. 네번째 타이틀 1. 나이브 베이즈란 머신러닝의 종류 중 지도학습에 해당( 정답이 있는 데이터를 기계가 학습 ) 분류 : knn (3장), naivebayes(4장) 독립변수들의 데이터가 전부 숫자면 knn 을 사용하고, 독립변수들의 데이터가 전부 문자면 naivebayes를 사용 사전확률과 데이터를 통해 사후확률을 예측하는 것 나이브 베이즈 알고리즘이 사용되는 분야 스팸 이메일 필터링과 같은 텍스트 분류 컴퓨터 네트워크에서 발견되는 침입이나 비정상적인 행위 탐지 일련의 관찰된 증상에 대한 의학적 질병 진단 (분류) 2. 나이브베이즈 이론 설명 [1] 나이브베이즈 알고리즘 개념 사전확률을 임의로 정하고, 데이터를 이용해 사전..

티스토리툴바