BOOTCAMP(70)
-
[부스트코스] 코칭스터디 9기 : AI Basic 2023 2주차 미션(Q1, Q2) 변형 문제 풀이
Q1. 중간고사 기말고사 점수를 따로 받아 저장하는 클래스를 구현해 보세요. 단, 생성자의 인스턴스는 private으로 선언되어야 하며, 데이터를 저장하고, 함수를 이용해 평균값을 출력해 보세요. Input # test score, mid : 70, final : 85 class Score(): def __init__(self, mid, final): self.mid = 70 self.final = 85 score = Score(70, 85) print((score.mid + score.final) / 2) Output 77.5 Q2. 다양한 음식을 볼 수 있는 어플을 만드는 중입니다. 빠른 구현을 위해서 이미 구현한 Noodle 클래스를 이용해서 Ramen라는 클래스를 새로 제작하려고 합니다. Nood..
2023.02.01 -
[부스트코스] 코칭스터디 9기 : AI Basic 2023 1주차 미션(Q3, Q4, Q5) 변형 문제 풀이
Q3. 각 학생들의 평균 점수를 출력하시오. Input score = [(100, 96), (94, 89), (60, 54), (73, 83), (76, 82)] def get_avg(score): for index, point in enumerate(score): print(f'{index+1} 번, 평균 : {sum(point)/len(point):.1f}') get_avg(score) Output 1 번, 평균 : 98.0 2 번, 평균 : 91.5 3 번, 평균 : 57.0 4 번, 평균 : 78.0 5 번, 평균 : 79.0 Q4. 2 개의 딕셔너리 객체를 합쳐 출력하시오. Input dict_first = {'파인애플': 35, '바나나': 19, '망고': 10, '키위': 14} dict_..
2023.01.15 -
[부스트코스] 코칭스터디 9기 : AI Basic 2023 1주차 미션(Q1, Q2) 변형 문제 풀이
Q1. num_list 가 홀수인 데이터만 출력하도록 하는 함수를 작성하시오. Input #주어진 리스트 num_list = [3, 9, 11, 14, 18, 21, 25, 27] def get_odd_num(num_list): for num in num_list[:]: if (num %2 == 0): num_list.remove(num) return num_list print(get_odd_num(num_list)) Output [3, 9, 11, 21, 25, 27] Q2. string 문장을 받아 단어를 역순으로 출력하는 함수를 작성하시오. Input sentence = "Life is too short You need python" def reverse_sentence(sentence): resu..
2023.01.13 -
Deep Learning Basics Lecture7: Recurrent Neural Networks
Sequential Model Naive sequence model input xt-2 -> xt-1 -> xt p(xt|xt-1, xt-2,...) 많은 정보를 버릴 수밖에 없다. Latent autoregressive model Output yt-2 yt-1. yt Hidden state ht-2. ->. ht-1. ->. ht Input xt-2 xt-1 xt 중간의 히든 스테이트가 과거의 정보를 요약하고, 다음을 히든 스테이트에 의하여 과거 이전의 스테이트가 아니라 과거의 정보를 요약한 히든 스테이트라 한다. x = p(xt|ht) h1이 되는 등의 모습이다. 굉장히 많은 파라미터가 셰어 하는 인풋의 위치가 큰 네트워크가 된다. 큰 단점은 Short-term dependencies - 계속 취합되..
2023.01.06 -
Mathematics for Artificial Intelligence 10강: RNN 첫걸음
시퀀스 데이터 이해하기 소리, 문자열, 주가 등의 데이터를 시퀀스(sequence) 데이터로 분류한다. 시계열(time-series) 데이터는 시간 순서에 따라 나열된 데이터로 시퀀스 데이터에 속한다. 시퀀스 데이터는 독립동등분포(i.i.d) 가정을 잘 위배하기 때문에 순서를 바꾸거나 과거 정보에 손실이 발생하면 데이터의 확률분포도 바뀌게 된다. 과거 정보 또는 앞뒤 맥락 없이 미래를 예측하거나 문장을 완성하는 건 불가능하다. 시퀀스 데이터를 어떻게 다루는가? 이전 시퀀스의 정보를 가지고 앞으로 발생할 데이터의 확률분포를 다루기 위해 조건부확률을 이용할 수 있다. P(X1,..., Xt) = P(Xt|X1,..., Xt-1) P(X1,..., Xt-1) 이전 시퀀스의 정보를 가지고 앞으로 발생할 데이터의..
2023.01.06 -
Mathematics for Artificial Intelligence 9강: CNN 첫걸음
Convolution 연산 이해하기 지금까지 배운 다층신경망(MLP)은 각 뉴런들이 선형모델과 활성함수로 모두 연결된 (fully connected) 구조이다. (만일 i가 바뀌면 사용되는 가중치도 바뀐다.) Convolution 연산은 이와 달리 커널(kernel)을 입력벡터 상에서 움직여가면서 선형모델과 합성함수가 적용되는 구조이다. (모든 i에 대해 적용되는 커널은 V로 같고, 커널의 사이즈만큼 x상에서 이동하면서 적용한다. / 활성화 함수를 제외한 Convolution 연산도 선형변환에 속한다.) 커널 사이즈는 고정된 상태이기에 파라미터를 많이 줄일 수 있다. Convolution 연산의 수학적인 의미는 신호(signal)를 커널을 이용해 국소적으로 증폭 또는 감소시켜서 정보를 추출 또는 필터링하..
2023.01.05