본문 바로가기
728x90
반응형
SMALL
[PyCharm] 파이참 라이브러리 설치하기! 1. 라이브러리 설치하기 1-1. 파이참 하단 'Terminal' 에서 명령어로 설치하기 1-2. Setting 에서 설치 파이참 상단 File ➡ Settings ➡ Project ➡ Python Interpreter ➡ '+' 클릭 설치하고자 하는 패키지명 검색 2023. 7. 20.
[PyCharm] 파이참 설치 및 프로젝트 가상 환경 사용하기! 1. 파이참 설치 더보기 https://www.jetbrains.com/ko-kr/pycharm/download/?section=windows PyCharm 다운로드: JetBrains가 만든 전문 개발자용 Python IDE www.jetbrains.com ✅ exe 파일 다운로드 후 Next 버튼을 통해 설치 2. 프로젝트 생성하기 파이참 상단 File ➡ New Project 프로젝트 생성할 경로 설정 및 파이썬 인터프리터 버전 확인/선택 파이썬 파일 생성하기 3. 파이참을 사용하는 이유 프로젝트에서 여러 파일을 효율적으로 관리할 수 있음 프로젝트마다 독립적인 개발 환경을 구축 3-1. 가상환경 사용 이유 다양한 라이브러리의 버전 설정 관리를 위해 예를들어 파이썬 3.10을 사용하고 있는데 pip로.. 2023. 7. 20.
[파이썬, Python] 자연어처리 - 유사도 측정 실습 ✅ 예시 문장 sen_1 = '오늘 점심에 배가 너무 고파서 밥을 너무 많이 먹었다.' sen_2 = '오늘 점심에 배가 고파서 밥을 많이 먹었다.' sen_3 = '오늘 배가 너무 고파서 점심에 밥을 너무 많이 먹었다.' sen_4 = '오늘 점심에 배가 고파서 비행기를 많이 먹었다.' sen_5 = '어제 저녁에 밥을 너무 많이 먹었더니 배가 부르다.' sen_6 = '이따 오후 9시에 출발하는 비행기가 3시간 연착 되었다고 하네요.' sen_1, sen_2: 의미가 유사한 문장 간 유사도 계산(조사를 생략) sen_1, sen_3: 의미가 유사한 문장 간 유사도 계산(순서 변경) sen_2, sen_4: 문장 내 단어를 임의의 단어로 치환한 문장과 원본 문장간의 유사도 계산 sen_1, sen_5:.. 2023. 7. 7.
[파이썬, Python] 임베딩(Embedding) - 임베딩 이론 1. 자연어의 특성 자연어를 기계가 처리하도록 하기 위해서는 먼저 자연어를 기계가 이해할 수 있는 언어로 바꾸는 방법을 알아야 함 토큰화 작업의 결과인 단어 사전을 기계가 이해할 수 있는 언어로 표현하는 과정이고 단어 사전 내 단어 하나를 어떻게 표현할까의 문제로 볼 수 있음 1-1. 단어의 유사성과 모호성 대부분의 언어에서 단어의 의미는 유사성과 모호성을 가지고 있는데 단어는 겉으로 보이는 형태인 표제어안에 여러가지 의미를 담고 있음 대부분 사람은 주변 정보에 따라 숨겨진 의미를 파악하고 이해할 수 있으나 기계는 학습의 부재 또는 잘못된 데이터로 의미를 파악하지 못하는 경우가 있음 한 가지 형태의 단어에 여러 의미가 포함되어 생기는 중의성 문제는 자연어 처리에서 매우 중요함 동형어와 다의어 동형어(동음.. 2023. 7. 7.
[파이썬, Python] 자연어처리 - 데이터 전처리 실습하기! 1. 데이터 전처리 실습 # 뉴스 기사 크롤링 라이브러리 !pip install newspaper3k # 불러오기 import newspaper # 라이브러리 지원 언어들 보기 newspaper.languages() # 웹 기사의 내용, 제목, 작성자, 날짜 등과 같은 다양한 정보를 추출 from newspaper import Article ✅ 기사의 URL을 가져와 읽어들이기 URL = 'https://v.daum.net/v/20230623105401779' article = Article(URL, language='ko') ✅ 기사 다운로드하고 파싱하기 - 제목과 내용 article.download() article.parse() # 제목과 내용을 파싱하여 가져옴 print('title:', arti.. 2023. 7. 6.
[파이썬, Python] 자연어처리 - 자연어 데이터 전처리 이론 1. 코퍼스(Corpus) 사전적인 의미는 '말뭉치', '대량의 텍스트 데이터'를 말함 자연어처리 연구나 애플리케이션 활용을 염두에 두고 수집된 텍스트 데이터셋을 의미 2. 토큰화(Tokenization) 전처리 과정에는 토큰화, 정제, 정규화 작업 등이 있음 토큰화는 원시 데이터를 가져와서 유용한 데이터 문자열로 변환하는 간단한 프로세스 사이버 보안, NFT 생성에 사용되는 것으로 유명, 자연어 프로세스의 중요한 부분을 차지함 토큰의 단위는 자연어 내에서 의미를 가지는 최소 단위로 정의 단락과 문장을 보다 쉽게 의미를 할당할 수 있는 더 작은 단위로 분할하는데 사용 토큰화 작업은 주어진 코퍼스 내 자연어 문장들을 토큰이라 불리는 최소 단위로 나누는 작업 2-1. 토큰화 과정의 필요성 언어 모델의 자연어.. 2023. 7. 5.
[파이썬, Python] 자연어처리(Natural Language Processing) 개요, 허깅페이스 모델로 토큰화하기! 1. 자연어(Natural Language) 프로그래밍 언어와 같이 인공적으로 만든 기계 언어와 대비되는 단어로, 우리가 일상에서 주로 사용하는 언어 1-1. 자연어처리(Natural Language Processing, NLP) 컴퓨터가 한국어나 영어와 같은 인간의 자연어를 읽고 이해할 수 있도록 돕는 인공지능의 한 분야 자연어에서 의미 있는 정보를 추출하여 활용 기계가 자연어의 의미를 이해하게 함 기계가 사람의 언어로 소통할 수 있게함 1-2. 자연어처리의 활용 문서 분류, 스팸 처리와 같은 분류 문제부터 검색어 추천과 같은 추천 기능, 음성 인식, 질의 응답, 번역 등의 다양한 분야에서 사용되고 있음 반복 업무 자동화 검색 효율 향상 및 검색 엔진 최적화 대규모 문서 분석 및 정리 소셜 미디어 분석.. 2023. 7. 5.
[파이썬, Python] 딥러닝 - 3️⃣ 다중 분류 신경망 모델 구현하기! 📄 포켓몬 149종 분류 데이터셋 Train: https://www.kaggle.com/datasets/thedagger/pokemon-generation-one Validation: https://www.kaggle.com/datasets/hlrhegemony/pokemon-image-dataset (디렉토리 비교 후 Train 데이터에 있는 클래스만 전처리함) Complete Pokemon Image Dataset 2,500+ clean labeled images, all official art, for Generations 1 through 8. www.kaggle.com Pokemon Generation One Gotta train 'em all! www.kaggle.com 1. 포켓몬 149종 .. 2023. 7. 2.
[파이썬, Python] 딥러닝 - 2️⃣ 전이학습(Transfer Learning), 이진분류 신경망 모델 구현하기! 📄예제에 사용할 데이터셋 https://www.kaggle.com/datasets/pmigdal/alien-vs-predator-images Alien vs. Predator images Small image classification - for transfer learning www.kaggle.com 📍 캐글에서 데이터셋 다운로드하여 사용하는법 캐글 로그인 ➡️ 본인 계정 클릭 ➡️ Your Porfile ➡️ Account ➡️ API 항목의 Create New Token ➡️ json 다운로드 1. 에일리언 vs 프레데터 데이터셋 import os # 캐글에서 데이터셋을 받을때 토큰값을 보내 접근 가능하게 함 os.environ['KAGGLE_USERNAME'] = '****' # username.. 2023. 7. 1.
[파이썬, Python] 딥러닝 - 1️⃣ CNN(Convolutional Neural Network 1. CNN(Convolutional Neural Network) 합성곱 인공 신경망 전통적인 뉴럴 네트워크에 컨볼루셔널 레이어를 붙인 형태 컨볼루셔널 레이어를 통해 입력 받은 이미지에 대한 특징(Featuer)을 추출하게 되고 추출한 특징을 기반으로 기존의 뉴럴 네트워크에 이용하여 분류 [CNN체험] https://adamharley.com/nn_vis/ An Interactive Node-Link Visualization of Convolutional Neural Networks An Interactive Node-Link Visualization of Convolutional Neural Networks Adam W. Harley Abstract Convolutional neural networks.. 2023. 7. 1.
[파이썬, Python] 알고리즘 - 1️⃣ 재귀호출(recursive call) 1. 재귀호출이란❓ 함수 안에서 동일한 함수를 호출하는 형태 여러 알고리즘, 고급 정렬 알고리즘 작성시 자주 사용됨 1-1. 재귀 호출 분석 2! = 1 * 2 3! = 1 * 2 * 3 = 3 * 2! 4! = 1 * 2 * 3 * 4 = 4 * 3! 1-2. 규칙 n! = n * (n-1)! 함수로 만듬 함수(n)은 n > 1 이면 return n * 함수(n-1) 함수(n)은 n = 1이면 return n 1-3. 검증 2! 함수(2)이면 2 > 1 이므로 2 * 함수(1) 함수(1)은 1이므로 return 2*1, 답은 2 3! 함수(3)이면 3 > 1 이므로 3 * 함수(2) 함수(2)는 1번에 의해 2! 이므로 return 2 * 1 = 2 3 * 함수(2) = 3 * 2 = 3 * 2 * 1.. 2023. 6. 29.
[파이썬, Python] 활성화 함수(Activation Function) 종류에 대해 알아보자! 1. 비선형 활성화 함수(Activation Function) 인공 신경망(Artificial Neural Network) 모델에서 입력 신호의 가중합을 변환하여 출력 신호를 생성하는 함수 신경망의 성능을 향상시키기 위해 사용 선형으로 풀지 못하는 문제를 비선형으로 바꾸어 성능을 향상시킴(곡선으로 차원을 바꿈) 선형 함수는 입력값과 가중치를 곱한 결과를 그대로 출력하기 때문에 신경망에서 여러 개의 선형 활성화 함수를 사용한다면 최종 출력값은 입력값과 가중치의 선형 조합으로 표현되므로 이는 입력 데이터의 비선형 관계를 표현할 수 없음(선형함수를 여러개 곱해봐야 선형함수임) 신경망이 입력 데이터의 비선형 관계를 잘 학습할 수 있도록 하기 위해서 비선형 활성화 함수를 사용 1-1. 시그모이드(Sigmoid) .. 2023. 6. 29.
728x90
반응형
LIST

티스토리툴바