1-5 Sklearn SVC(Support Vector Classification) XOR 예제 TensorFlow 코딩 XOR 로직 문제는 1969년 MIT AI 랩 교수였던 Minsky 교수의 공저인 Perceptron 저서에서 하나의 레이어만 가지고는 Rosenblatt의 퍼셉트론에 의한 머신러닝이 불가능하다고 지적했던 고전적인 문제로서 이미 뉴럴 네트워크(Neural Network)의 출현을 암시했었다. 물론 지금이야 누구나 다 Backpropagation 알.. 머신러닝 2020.01.09
1-4 Iris flowers 데이터 Scikit k-means clustering 비지도학습 Setosa, Versicolor 및 Virginica 로 구성된 Iris flowers 데이터에 대한 K-means 클러스터링 결과를 비교해 보자. Versicolor 와 Viginica가 겹치는 인접 부위의 Classification 결과에 많은 오차가 있음을 알 수 있다. 두 종류의 데이터가 섞일 정도로 인접하게 되는 영역의 데이터들을 Support Vectors라고 하며 이러.. 머신러닝 2020.01.04
1-3 Iris flowers 데이터 Scikit k-means clustering 비지도학습 Scikit-learn 라이브러리 모듈에서 제공하는 make_blobs 데이터를 사용하여 연습만 할 것이 아니라 Iris flowers 데이터를 대상으로 k-means 클러스터링 기법을 응용해 보기로 하자. 이미 필자의 저서 “파이선 코딩 초보자를 위한 Scikit∙PyTorch 머신러닝” 1장에서 Iris flowers 데이터를 대상으로 하는 .. 머신러닝 2020.01.04
1-2 Scikit-learn 에 의한 k-means++ clustering 비지도학습 고전적인 K-means 기법에 의해서 int=’random’ 조건을 사용하면서 클러스터링 수의 초기 값을 잘못 줄 경우 예기치 않은 결과가 얻어질 수 있는 사례이다. 앞서의 중심이 3개인 클러스터링 예제에서 클러스터링 수를 1과 2로 계산한 결과를 관찰해 보자. 클러스터의 중심을 1 즉 하나로 두면 .. 머신러닝 2020.01.03
Back Door에서 시작하는 머신 러닝에의 초대: 머신 러닝 문제를 해결하기 위해서 파이선 코드를 작성해 보자. 왜 파이선 코드인가? C/C++ 이나 쟈바와 같은 언어들도 있지만 이런 언어를 바탕으로 머신 러닝 코드를 작성하는 것은 쉬운 일이 아니다. 언어 자체의 수준의 높낮이 문제가 아니라 그러한 언어들의 사용 목적 방향 자체가 머.. 머신러닝 2020.01.01
1-17 AI 머신러닝의 원리와 Regression 인공지능 머신러닝의 원리를 탐구하는 과정에서는 뉴튼의 고전 물리학이라든지, 아인슈타인의 상대성 원리, 양자 역학, 평행 우주론을 비롯한 어려운 물리적 원리가 아닌 에너지 최소화 또는 오차(error) 최소화와 같은 간단한 원리가 핵심 역할을 하고 있다. 에너지, 오차의 의미를 이해하기 어렵다면 비용 즉 코스트(Cost) 개념으로 바꾸어 생각해도 무방하다. 머신 러닝에 입문 단계에서 누구나 다루어 보는 선형회귀(linear regression) 통계학 문제를 검토해 보자. 이 문제는 머신 러닝이 각광을 받기 이전부터 통계학에서 최소자승법(least squares method)과 함께 오래전부터 다루어 온 전통적인 수학 문제이다. 오래 전부터 그렇게 생각해 왔었는데 물리학적인 관점에서 다시 생각해보는 계기를.. 머신러닝 2020.01.01
3-3 Two Hidden Layers NN MNIST 문자인식률 계산 MNIST 문제에 하나의 은닉층(Neural Layer)을 가지는 뉴럴 네트워크를 적용해 보자. MNIST 문제는 머신 러닝 연구에서 알고리듬 적용 대상 일순위로서 수많은 연구가 이루어졌으며 이미 99.7% 이상의 인식률을 성취하고 있다. 한편 뉴럴 네트워크 형태를 기본으로 하는 CNN(Convolutionary Neural Network) 딥 러닝(Deep Learning)에 의해서 98.5% 의 인식률을 넘어가 버리기 때문에 머신 러닝을 배우면서도 간과해버리는 알고리듬 중에 하나가 바로 순수한 뉴럴 네트워크 구성에 의해서 즉 CNN 과 같은 특수한 기법 적용 없이 어느 정도 높은 인식률을 얻어낼 수 있는가 평가해 볼 필요가 있다. MNIST 문제에 있어서 은닉층이 하나라면 뉴럴 네트워크는 입력층, 은.. 머신러닝 2019.12.26
구글 Colab에 의한 Mask R-CNN Semantic Segmentation 맛보기 머신 러닝의 영역이 CNN을 바탕으로 2012년의 AlexNet에서 시작하여 2017년 ResNet까지 발전함과 아울러 2014 년부터 이미지를 구성하는 오브젝트들까지 세밀하게 인식할 수 있는 Semantic Segmentation 머신 러닝이 함께 발전하였다. 2014년 초창기의 Segmentation 은 Fully Convolutionalized Network 즉 FCN에서 출발하여 2020년으로 넘어가는 현재에는 수많은 코드들이 발표되었다. 하지만 Segmentation 분야에서 가장 기초적인 FCN 오픈소스 코드를 포함한 튜토리알이 전혀 없어 Semantic Segmentation을 다루어 보기가 쉽지 않다. 국내 사이트에서도 Segmentation을 많이 소개하고 있으나 알고리듬만 보여 주는데 .. 머신러닝 2019.12.01
Image Detection Recognition 스마트폰 앱 Intel Neural Compute Stick 2 와 같이 USB에 인터페이싱 하여 이미지를 Detection(검출) 한다든지 또는 NVIDIA 의 Jetson Nano 처럼 이미지 Detection을 위해 아예 GPU가 부착되어 있는 Nano 보드를 들 수 있을 것이다. 한편 기존의 안드로이드 스마트 폰의 카메라를 활용한 Detection 앱도 검색어 object detection machin.. 머신러닝 2019.11.29
YouTube: 미래의 자율주행을 위한 PyTorch 세만틱 세그멘테이션 이미지 처리 코딩 작업 세만틱 세그멘테이션 기법이 미래 전기차의 자율주행을 위한 쓸만한 머신러닝 기법으로 보인다. 여기 PyTorch 예제를 통해서 세그멘테이션 기법을 살펴보자. 아래 유튜브 영상 참고하세요. 구독 좋아요 눌러 주세요. https://www.youtube.com/watch?v=DZfHXQ9BpvY 머신러닝 2019.11.18
