반응형

부트캠프 64

태태개발일지 - 구름톤 ICT 퍼셉트론

딥러닝 퍼셉트론: 뇌를 구성하는 신경 세포 뉴련의 동작과 유사하다. 뇌에서 뉴런은 신경물질을 전달한다. 이를 유사하게 구현한게 퍼셉트론이다. 입력값과 가중치의 값을 곱하여, 그 값을 1과 0으로 구분하는 것이다.가중치가 높으면 높을 수 록 그 정보는 중요하다는 뜻이다. 바이어스 또한 더하고, 시그모이드나 소프트맥스 함수로, 활성화함수를 통해 출력을 해준다. 컴퓨터는 두 개의 값 0과 1을 입력해 하나의 값을 출력하는 회로가 모여 만들어지는데, 이 회로를 게이트(gate)라고 부릅니다. 초기 형태의 인공 신경망인 단층 퍼셉트론은 간단한 XOR 게이트조차도 구현할 수 없는 부족한 인공 신경망이라는 지적을 받았다. def AND_gate(x1, x2): w1 = 0.5 w2 = 0.5 b..

태태개발일지 - 다중선형회귀, 로지스틱회귀

다중선형회귀 다중 선형 회귀는 x의 값이 여러개인 그래프이다. 이전과 동일하게 식을 작성하면 되는데 기본 선형 회귀와 다른 점은 행렬의 곱을 사용하면 된다는 것이다. X[x1,x2,x3,x4] , W[w1, w2, w3, w4] 를 내적하게 되면 위와같은 식이 나오게 되는 것이다. 여기서 문제는 b이다. b는 마지막에 붙여줘도 되고,X[x1,x2,x3,x4,1] , W[w1, w2, w3, ..

태태개발일지 - 구름톤 선형회귀

선형회귀x에 대한 변수가 하나일 때단순선형회귀 ex) y = ax + b x는 독립 변수 , y는 종속변수이다. 즉 => x의 값에따라 y값이 변한다.다만 정확하게 계산 하려면 a와 b의 값을 정확하게 알아야한다. 즉: 선형회귀는 a와b의 값을 정확하게 찾아내는 작업이다. 최소제곱법을 사용하면, a와 b를 바로 구할 수 있다. a = sum((x-x평)(y-y평))/sum((x-x평)**2) 평소에는 힘든 최소 제곱법앞으로 만나게 될 문제에는 이 최소 제곱법을 사용하기엔 힘들다!그이유는 실제 예시들은 변수가 많은 경우가 대다수이기 때문이다. 그래서 가장 많이 사용하는 방법은, 조금씩 변화를 주고, 변화가 긍정적이면 오차가 최소가 될 때까지 이방법을 반복하는 방법이다. 하지만, 선을 긋고 수정하..

태태개발일지 - 구름톤 Numpy

넘파이(Numpy)수치해석용 파이썬 패키지이다. numpy 가상환경에 다운로드 하기pip install numpy import numpy as npa = [0,1,2,3,4,5]type(a) => listar = np.array(a)type(ar)=>numpy.ndarray numpy는 배열로 취급되기 때문에 모두 같은 타입이여야한다. ar는 벡터이고, 2*ar을 하면 리스트가 두배가되는것이아니라, 값이 두배가 된다. np.array를 해서 나오는 벡터에 연산은 모두 값을 기준으로 연산을 시행하게 된다. shap을 통해 차원을 보기.c =np.array([[0,1,2],[3,4,5]])c.shape => 차원을 튜플형태로 나타낸다. 1차원 => 벡터2차원 => 행렬 (matriex)..

태태코딩 - 구름톤 ICT AI과정 Python 기초 및 아나콘다 설치

python version 파이썬에는 여러가지 버전이 있다.ex) 1.3.1.. 1.3.4 이 버전은 정말 말그대로 버전을 뜻하고, 버전이 너무 낮으면 사용하지 못하는 라이브러리들이 있다.너무 높아도 지원을 하지 않는 라이브러리들이 생길 수 있다. 아나콘다 다운로드 다운로드를 할때는 두가지만 유의하면된다.Just Me는 ex) /user 로 시작하고, 컴퓨터 안에서 나의 영역에 생성을 하는 것을 의미한다.All Users는 ex) /Programs 로 시작하고, 컴퓨터 안에 공용 영역에 생성하는 것을 의미한다. Conda 콘다를 깔게 되면, 콘다안에서 가상환경을 등록해야한다. create 명령어로 가상환경을 등록하고,conda activate python99jupyter notebook 아래 코드로..

태태개발일지 - 항해 플러스 AI 고민하고있다면(항해플러스 괜찮은가?) 솔직한 후기

https://hanghae99.spartacodingclub.kr/plus/ai 항해플러스 #간단한 자기소개소프트웨어학과를 졸업을 앞두고 부트캠프를통해서 백엔드를 단기간에 교육받고, 금융업 쪽에서 개발을 하고있는 상태였다. 또한 항해플러스 백엔드를 수료한 상태였다. #항해 플러스에 들어오기 전, 현업 개발자로 일하며 갖고 있던 고민점점 개발자를 안뽑고 AI 개발자를 뽑는다는 소문이 돌았다.AI에 대한 지식이 아무것도 없고, 시작하고싶어도 시작하는 방법을 몰라서 고민하던 중이였다. 나와 같은 고민을 하는 사람이 정말 많을 것이라고 생각한다. #항해 플러스를 선택하게 된 계기단순했다. 이전 백엔드 항해플러스 과정을 수료했었고, 항해플러스는 학습 방향을 가르쳐주기때문이다. 당장 AI에 현업에 들어가는 것은 ..

태태개발일지 - AI LLM개발자? 렝체인, RAG에 대하여

내가 궁금했던점과 답에대해서 적어보겠다. 1. 기존에 GPT가 제일 잘 나온 모델인데 굳이 생성형 AI 인재들을 뽑아서 기본 모델을 학습하는 것을 배우는 이유가 무엇인지? 그냥 GPT API 가져와서 쓰면 되지않을까?? 1.1 성능만 놓고 보면 chatGPT api쓰는게 정답일 수 있습니다. 하지만 api는 비용이 있습니다. 1.2 만약에 어떤 기업에서 LLM기반 서비스를 한다고 할 때, chatGPT api로 구현하면 서비스 구현은 정말 쉽겠지만, 1.3그만큼 트래픽이 상승할수록 api비용도 증가할 것입니다. (매출 원가) 1.4 그렇다면 해당 서비스는 api 비용을 상쇄하고 남을만한 비용을 사용자에게 청구해야하는데요. 1.5 이런 서비스는 아주 소수의 사용자에게 비싼 유료 서비스를 팔게하는 ..

태태개발일지 - AI의 미래(개발자의 미래)

근황현재 근황은 LLM을 공부하면서 pandas, 머신러닝, 딥러닝을 천천히 공부하고 있어서, 이쪽에 대한 글작성은 나중에 한번에 모아서 올리기로 했다. 이 글의 주제AI에 대해서 공부하면서 다양한 글에대해 접해서 정리해 보게 되었다.대충 글을보자면 이러한 부분들이 있었다. AI발전으로 인해서 개발자가 사라지는 것인가?AI발전을 어떻게 따라가야하는가? 1번과 2번으로 나누어서 정리해보겠다. 1. AI발전으로 인해서 개발자가 사라지는 것인가?반은 맞고 반은 틀리다고 생각한다. 나 또한 이러한 부분에 대해서 많은 사람들의 글을 읽고 영상을 보면서 정리한 것이있다.짧게 요약하자면, 1.1 과거에는 코드를 짜는 것이 불편했고, 반복적이고 안정적인 코드를 짜는 것이 중요했다. 1.2 하지만 AI의 ..

태태개발일지 - 항해 플러스 백엔드 과정과 항해플러스Lite 솔직 비교 및 소개

항해플러스 Lite 항해플러스 Lite 과정이 나와서 소개하려고한다. 항해플러스 lite 링크https://hhplus-lite-be.oopy.io/ 우선 항해플러스 백엔드 과정에 대한 후기를 듣고 싶으면 이 글을 읽고오면 될거같다. https://taetaecoding.tistory.com/139 태태개발일지 - 항해 플러스 백엔드 고민하고있다면#자기소개소프트웨어학과를 졸업을 앞두고 부트캠프를통해서 백엔드를 단기간에 교육받고, 금융업 쪽에서 개발을 하고있는 상태였다. #항해 플러스에 들어오기 전, 백엔드 개발자로 일하며 갖taetaecoding.tistory.com 우선 나는 항해플러스 백엔드 5기를 수료한 후, 항해플러스 단기 스킬업 redis를 수료하고, 항해플러스 AI를 수강중이다. 항해플러..

태태개발일지 - 머신러닝 기초

선형회귀독립 변수와 종속 변수간의 선형 관계를 모델링한것. y = mx + b 형태의 직선 방정식을 사용하여 데이터를 예측한다. ex) 집값 예측, 판매량 예측 import pandas as pdimport numpy as npfrom sklearn.linear_model import LinearRegressionimport matplotlib.pyplot as plt# 데이터 준비data = {'area': [1500, 2000, 2500], 'price': [300000, 400000, 500000]}df = pd.DataFrame(data)# 모델 학습model = LinearRegression()model.fit(df[['area']], df['price'])# 예측 및 시각화predicted_p..

반응형