Problem 1. 데이터셋 다운로드 및 분석하기 # 깃허브에서 데이터셋 다운로드하기 ! git clone https://github.com/ndb796/Scene-Classification-Dataset # 폴더 안으로 이동 % cd Scene-Classification-Dataset # 깃허브에서 데이터셋 다운로드하기 !git clone https://github.com/ndb796/Scene-Classification-Dataset # 폴더 안으로 이동 %cd Scene-Classification-Dataset Cloning into 'Scene-Classification-Dataset'... remote: Enumerating objects: 24303, done. remote: Counting ..

이 프로젝트에서는 음식 배달 서비스의 배달 시간을 예측하는 모델을 개발했습니다. 이 모델은 주문의 다양한 특성(예: 주문 아이템 수, 가격, 주문 방식 등)을 기반으로 실제 배달 시간을 예측합니다. 이 모델은 사용자 경험을 향상하고, 서비스 효율성을 높이는 데 도움이 될 것입니다. # 라이브러리 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import LabelEncoder from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_squared_error import numpy a..

교재소개 Pattern Recognition and Machine Learning by Christopher Bishop Deep Learning by lan Goodfellow, Yoshua Bengio and Aaron Courvile Hands-On Machine Learning with Scikit-Learn, Keras, and Tensor Flow(2nd Edition) Machine Learning이란? Machine Learning (기계학습) 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구 학습데이터: 입력벡터들 X1, …, XN, 목표값들 t1, …, tN 머신러닝 알고리즘의 결과는 목표값을 예측하는 함수 y(x) 학습데이터 (training set) 핵심개념들 학습단계 (trai..

음성 인식 및 분석은 딥러닝의 한 분야로, 이를 위해 여러 가지 알고리즘이 개발되었습니다. 이 중에서도, 음성의 특성을 분석하여 사람의 목소리와 AI가 생성한 목소리를 구별하는 방법 중 하나는 스펙트로그램을 사용하는 것입니다. 스펙트로그램은 시간에 따른 주파수의 분포를 시각화한 것으로, 음성의 특성을 잘 나타냅니다. 다음은 이를 구현하는 간단한 파이썬 코드입니다. 이 코드는 두 개의 오디오 파일(하나는 사람의 목소리, 다른 하나는 AI가 생성한 목소리)을 입력으로 받아, 각각의 스펙트로그램을 생성하고, 이를 비교하여 두 오디오 파일이 같은 소스에서 왔는지를 판단합니다. import numpy as np import matplotlib.pyplot as plt import scipy.io.wavfile a..

기계학습: 최적의 프로그램(알고리즘)을 찾는 행위 기계학습의 핵심 3가지: 경험, 과업, 성능 어떤 태스크에 대해 규칙을 찾는데, 입력과 결과를 찾을 때, 세련된 결과를 점진적으로 만들어 가는 것이 기계학습. 새로운 규칙에서 데이터라는 경험에서부터 문제를 점진적으로 풀 수 있는 진보적인 퍼포먼스이라 할 수 있습니다. 인공지능은 연산 장치의 탄생과 동일하게 나타났는데, 사람보다 복잡한 연산을 잘한 컴퓨터. 컴퓨터에 대한 높은 기대감으로 인하여 컴퓨터의 능력을 과신하기도 했습니다. 훈련집합(training set) - 가로축은 특징, 세로축은 목표치 - 관측한 4개의 점이 훈련집합을 구성함 가설인 직선 모델의 수식 - 2개의 매개변수 w와 b y = wx + b 기준 사람의 학습 기계 학습 학습 과정 능동적..

스택 (Stacks) 스택은 마지막에 넣었던 것부터 넣은 순서의 역순으로 꺼내지는 자료 구조입니다. size(): 현재 스택에 들어 있는 데이터 원소의 수를 구합니다. isEmpty(): 현재 스택이 비어 있는지를 판단합니다. (size() == 0?) push(x): 데이터 원소 x를 스택에 추가합니다. pop(): 스택에 가장 나중에 저장된 데이터 원소를 제거합니다. (또한, 반환합니다) peek(): 스택에 가장 나중에 저장된 데이터 원소를 참조 (반환), 그러나 제거하지 않습니다. 큐 (Queues) 큐는 데이터 원소를 한 줄로 늘어 세우는 자료 구조입니다. 선형구조: 데이터 원소를 한 줄로 늘어 세우는 자료 구조 선입선출 (FIFO; first-in first-out): 어느 시점에서 큐에 들어..