티스토리

유주무주 Techlog

검색하기

블로그 홈

유주무주 Techlog

gong-uz.tistory.com/m

yuzumuzu 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

논문 리뷰 - Attention is All You Need 리뷰 원문 : Vaswani, Ashish, et al. “Attention is all you need.” Advances in neural information processing systems. 2017. 초록 [기존] 성능이 좋은 시퀀스 변환 모델은 encoder와 decoder를 포함한 RNN, CNN 모델을 활용 가장 훌륭한 성능은 attention mechanism을 통해 encoder와 decoder를 연결했음 [논문이 제안하는 바] Transformer - RNN과 CNN을 제거한 Attention 메커니즘만을 이용한 network architecture를 제안 2가지 기계 번역 태스크에서 RNN, CNN 보다 성능이 우수하고 학습 속도가 빠른 실험을 진행 Introduction RNN, LS.. 공감수 0 댓글수 0 2023. 6. 24.
Wk 5 머신러닝 Task Performance Experience 1) Task = data - classification: n차원의 벡터를 특정한 클래스로 나눈다. - 결측치 처리 - regression - transciption: unstructured data -> structured data (예: OCR, STT) - machine translation - structured output - 이상탐지 anomaly detection - imputation of missing values - denoising 저해상도 이미지 > 고해상도 이미지 - density estimation or probability mass function estimation 모집단의 데이터를 추정하고 싶다. 2) Performance .. 공감수 0 댓글수 0 2023. 5. 16.
Wk4 - Entropy 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 5. 13.
Python - brown corpus에서 frequency가 float 형태로 나오는 문제 따봉 챗지피티야 고마워 Mission 브라운코퍼스에서, 연달아 나타나는 2개의 단어에 대해서, 각 카테고리 별로 몇번 나타나는지를 출력해 주는 함수를 정의하고자 한다. My Code from nltk.corpus import brown def freq2word(word1,word2): genres=brown.categories() for genre in genres: #brown corpus의 단어들 중 'genre' 카테고리에 있는 단어쌍 저장하기 bigrams=list(nltk.bigrams(brown.words(categories=genre)) #빈도수 받을 변수 생성 fdist=nltk.FreqDist(bigram for bigram in bigrams) #fdist의 빈도수 받아내기 freq=f.. 공감수 0 댓글수 0 2023. 5. 2.
Python 알고리즘 - 리스트 제곱 시키기에서 IndexError: list index out of range 오류 해결하기 with ChatGPT 주피터 노트북 환경에서 리스트의 각 요소를 제곱한 리스트를 반환하는 함수를 작성하다 다음과 같은 오류를 발견했다. 오류 IndexError: list index out of range > 범인은 new_list=list[i]**2 여기 있다던데.. #내 함수 코드 def square_numbers(list): new_list=[] for i in list: new_list=list[i]**2 return new_list #이 코드를 실행했을 때 오류가 남 square_numbers([1,2,3,4,5]) 도와조 챗지피티 The error you are seeing, IndexError: list index out of range, occurs when you try to access an element .. 공감수 0 댓글수 0 2023. 5. 2.
Python 알고리즘 - 문자열 거꾸로 출력하기 ChatGPT의 도움으로 문자열 거꾸로 출력하는 함수를 정의해보았다. 이제 시작이지만 알고리즘이란 .. 재밌고도 다가가기 힘든 짝사랑 대상같다.ㅎㅎ 1) 문자열을 분리하는 split() 함수 사용 2) 문자열을 구분자와 함께 합쳐주는 join() 함수 사용 - '구분자'.join(리스트) 3) 다른 걸 합쳐주는 게 아니라, split된 words를 [::-1] 뒤집은 리스트로 문자열을 합쳐준다. def revString(input_str): #먼저 split한다. words = input_str.split() #splitted word를 뒤집은 것을 다시 합친다. 구분자 없이 ''로 처리 reversed_words = ' '.join(words[::-1]) #해당 값 반환 return reversed_w.. 공감수 0 댓글수 0 2023. 5. 1.
Python 기초 5 - NumPy 라이브러리 (1) NumPy 라이브러리 - 행렬이나 대규모 다차원 배열을 쉽게 처리할 수 있도록 하는 Python의 라이브러리 (출처: 위키백과) - 주로 빠른 데이터 처리에 이용됨 1. 다차원 배열 객체 생성 ndarray(N-Dimensional array) - 파이썬의 리스트와 다르게 넘파이 어레이는 원소가 모두 같은 데이터 타입이어야 한다. 1) array 함수 이용 data1 = [1,2,3,4] arr1=np.array(data1) - dtype 메소드: array의 데이터 타입 보여줌 - ndim 메소드: 행렬의 차원 보여줌 - shape 메소드: 행렬의 행과 열의 크기 2) 명시적으로 데이터 타입 지정하여 배열 생성 arr1=np.array([1,2,3],dtype=np.float64) 3) 새로운 배열 생.. 공감수 0 댓글수 0 2023. 4. 22.
Python 기초 4 - Pandas 라이브러리 (3) Index Objects Pandas의 주요 데이터 형식인 Series와 DataFrame에 이어 메타데이터를 저장하는 객체 Index에 대해서 이어 살펴본다. 이전 글> Python 기초 3 - Pandas 라이브러리 (2) DataFrame Pandas 라이브러리 1편에 이어 판다스의 또다른 데이터 구조인 DataFrame을 살펴본다. Python 기초 2 - Pandas 라이브러리 (1) Series Pandas : 데이터 분석 및 조작을 위한 파이썬 라이브러리로, (출처: 위키백 gong-uz.tistory.com 판다스에 존재하는 인덱스 (색인) 객체는 판다스의 모든 객체 (표 형식의 데이터)에서 각 행,열에 대한 축 레이블을 저장하는 객체다. - 슬라이싱 가능 - 순서 존재 - 인덱스 객체는 데이터 변경 불가 (예: .. 공감수 0 댓글수 0 2023. 4. 16.
Python 기초 3 - Pandas 라이브러리 (2) DataFrame Pandas 라이브러리 1편에 이어 판다스의 또다른 데이터 구조인 DataFrame을 살펴본다. Python 기초 2 - Pandas 라이브러리 (1) Series Pandas : 데이터 분석 및 조작을 위한 파이썬 라이브러리로, (출처: 위키백과) 시계열 분석, 데이터 정렬, 그룹화 등 조작 기능 제공, 대규모 데이터 처리에 적합함 1. 특징 1) DataFrame - 행-열 레이블 2 gong-uz.tistory.com 2. DataFrame : Series 데이터 구조의 확장으로, 2차원 데이터를 다룬다. 시리즈가 행 측면에만 인덱스를 가지고 있었다면, 데이터프레임은 행과 열 둘 다 색인을 가지고 있다. 모양이 같은 여러 개의 시리즈 객체를 담고 있다고 이해할 수 있다. 2.1. DataFrame .. 공감수 0 댓글수 0 2023. 4. 16.
Python 기초 2 - Pandas 라이브러리 (1) Series Pandas : 데이터 분석 및 조작을 위한 파이썬 라이브러리로, (출처: 위키백과) 시계열 분석, 데이터 정렬, 그룹화 등 조작 기능 제공, 대규모 데이터 처리에 적합함 1. 특징 1) DataFrame - 행-열 레이블 2차원 데이터 구조 2) Series - 1차원 레이블 2. NumPy와 비교 1) 공통점: for 문 없이 데이터 처리, 배열 기반 함수 2) 차이점: 메모리 내 연속적인 블록으로 저장되는 배열을 주로 다루는 NumPy에 비해, Pandas는 데이터프레임과 시리즈 등 다양한 데이터 형식을 중심으로 함수와 메서드 활용 1. Series : 다양한 데이터 유형의 객체를 담을 수 있는 1차원 배열 1) 특징 - 행 이름을 총칭해 index (색인) 라고 한다. - index (행)와 na.. 공감수 0 댓글수 0 2023. 4. 15.
Deep Learning - Wk3 Näive Bayes 1. 조건부 확률 : B가 주어졌을 때 A가 발생할 확률 P(A∣B)=P(A∩B)/P(B) 2. 독립 : B가 일어나든, 일어나지 않든 A의 확률은 변하지 않는다. P(A∣B)=P(A) P(B∣A)=P(B) - 독립이면 correlation이 0이지만, correlation이 0이면 반드시 독립은 아님. 3. 조건부 독립 : A and B are conditionally independent given C if and only if P(A∩B|C) = P(A|C)P(B|C) - C가 주어졌을 때만 A, B 독립 - 예) C가 교도관, A, B가 수감자 => 교도관의 명령이 있다는 걸 알면 A, B 각각 움직임(서로의 행동에 관계 없이, 독립임). C가 없으면 A는 B가 앞으로 움직인 걸 보고 움직일 것임.. 공감수 0 댓글수 0 2023. 4. 8.
Python 기초 1 - 자료형과 연산자 1. 기본 출력 (1) print() 함수 사용 print() #변수 출력 print(st) #문자열 출력 print("I'm Python") #콤마로 연결하면 띄어쓰기 생성 print("Hello","I'm Python") (2) 표현식 문자열 출력 : " ~ %s %d", %("Lina", 20) - %s -> string 문자열 자리다. - %d -> digit (0~9) 숫자 자리다. - %f -> float 실수 자리다. print('My friend is %s is %d years old'%("Leo",20)) * python에서 쌍따옴표("")와 따옴표('') 사이에는 큰 차이가 없음. 조직, 관습에 따라 사용하면 됨 2. 기본 입력 (1) input() 함수 사용 - 기본적으로 문자열을 받.. 공감수 0 댓글수 0 2023. 4. 8.
Deep Learning - Wk2 (1) Linear Statistical Model * 서울시립대 AI 대학원 딥러닝 강의를 바탕으로 공부한 내용을 정리한 블로그입니다. 1. Linear Statistical Model 선형 모형 알고리즘 Linear Statistical Model relating a random response Y (dependent variable, target variable) to a set of independent variables(input variable, input feature) x1, x2, ...xk is of the form Y=β0+β1x+β2x2+...+ㅌ (노이즈) where β0,...βk are unknown parameters, ㅌ is random variable, and the x1, x2... assume know values. .. 공감수 0 댓글수 0 2023. 4. 1.
기획자가 알아야 하는 앱 권한 설정 본 블로그는 팁스터 아티클을 기반으로 작성되었음https://maily.so/tipster/posts/aa72ae 우선 내가 현재 기획하고 있는 앱에서 사용자의 '허락'을 구해야 하는 기능은 다음과 같다. OS 가 기본적으로 요청하고 승인 받는 권한 Andorid 권한 요청 기본 내용 iOS 권한 요청 기본 내용 Calendar Camera Contacts Location Microphone Phone Body Sensors SMS Storage 위치 서비스 연락처 캘린더 미리 알림 사진 앱 Bluetooth 마이크 음성 인식 카메라 건강 HomeKit 미디어 및 Apple Music 리서치 파일 및 폴더 동작 및 피트니스 >> smeem 1.0.0에서는 요청할 권한이 없다. >> Q. 만약 OS 기본 .. 공감수 0 댓글수 0 2023. 3. 29.
연구 설계 - 멀티모달 감정 데이터셋 활용 감정 인식 기술 분야 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 24.
Speech representation and data exploration Notebook Input Output Logs 1. Visualization of recordings - input features - feature MFCC 활용 ** MFCC란? 오디오 신호에서 추출할 수 있는 feature, 소리의 고유한 특징을 나타낸다. 주로 음성 인식, 화자 식별, 장르 분류 등 오디오 도메인의 문제를 해결한다. 1. 오디오 신호를 프레임별(보통 20ms - 40ms)로 나누어 [시간 영역 도메인] -> FFT를 적용해 [주파수 영역 도메인] -> Spectrum을 구한다. -> 주파수 대역별 세기를 알 수 있다. (신호에서 어떤 주파수가 약하고 강한지) 2. [필터링] Spectrum에 Mel Filter Bank를 적용해 Mel Spectrum을 구한다. 3. [정보 추출] Mel Spectrum에 Cepstral 분석.. 공감수 0 댓글수 0 2023. 3. 24.
[Paper Review] Multimodal Transformer for Unaligned Multimodal Language Sequences 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 23.
Binary classification : Tabular data 1st Level 참고: 타이타닉 튜토리얼 1 - Exploratory data analysis, visualization, machine learning 참고: Seaborn을 사용한 데이터 분포 시각화 사용하는 라이브러리 1. NumPy: 행렬이나 일반적으로 대규모 다차원 배열을 쉽게 처리할 수 있도록 지원하는 파이썬의 라이브러리 (출처 위키백과) 2. pandas: pandas는 데이터 조작 및 분석을 위한 파이썬 프로그래밍 언어 용으로 작성된 소프트웨어 라이브러리 (출처 위키백과) 3. matplotlib.pyplot: 그래프 그려주는 라이브러리 4. seaborn: 데이터 시각화에 쓰이는 라이브러리 5. missingno: 결측치(null값) 확인하는 시각화 라이브러리 6. warnings import numpy.. 공감수 0 댓글수 0 2023. 3. 18.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.