머신러닝6 Machine Learning 유튜브 강의 생활코딩 유튜브 추천합니다! 머신러닝 강의 요약 https://www.youtube.com/watch?v=LPqmPfhnR1o&list=PLuHgQVnccGMDy5oF7G5WYxLF3NCYhB9H9 1 - 2. 머신러닝이란? 우리는 제품을 구매할 때 선택 기준. 수를 통한 대소관계를 비교한다. 가격, GPU, 디자인 등등 선택 기준이 여러 개라면 선택하기 어려워진다. 머신러닝은 우리의 두뇌가 가진 중요한 기능인 판단 능력을 확장해서 우리의 두뇌가 더 빠르고 정확하게 결정하게 도와준다. 1 - 5. Teachable machine 티쳐블 머신 : 머신러닝에 대한 지식 없이도 사용할 수 있는 플랫폼 Teachable Machine Train a computer to recognize your own imag.. 2023. 5. 9. Decision Tree 결정트리 나무구조로 도표화하여 분류/예측을 수행하는 머신러인 알고리즘 (지도학습) 개념/코드가 잘 정리되어있는 글이 있어 첨부합니다. analysis-flood.tistory.com/100 43. Python - 결정 트리(Decision Tree) 자. 오늘은 새로운 챕터, 결정 트리입니다. SVM처럼 결정 트리(Decision tree)는 분류와 회귀 작업 그리고 다중출력 작업도 가능한 다재다능한 머신러닝 알고리즘입니다. 또한, 매우 복잡한 데이터셋 analysis-flood.tistory.com scikit-learn.org/stable/modules/tree.html 1.10. Decision Trees — scikit-learn 0.24.1 documentation 1.10. Decision Trees .. 2021. 2. 3. 삼성SDS Techtonic 2020 삼성SDS Techtonic 2020 삼성SDS에서 주최하는 Techtonic 2020은 올해로 3회 째를 맞이하는 기술/개발자 콘퍼런스입니다. 연구원, 개발자 및 다양한 분야의 전문가들을 모시고 최신기술 동향과 연구방향, 연구개발 노하우는 물론 각종 산업에 적용된 사례를 공유하는 기술교류의 장으로 기획되었습니다. 특히, 올해는 삼성SDS 5대 핵심 기술인 ABCDS (AI, Blockchain, Cloud, Data Analytics, Security)를 중심으로 Quantumn Computing, SW Engineering, Open Source 등 다양한 영역의 기술이 소개 될 예정입니다. 사전등록했다! COVID-19로 인하여 11월 12일 10:00 ~ 15:00 온라인으로 생중계된다. 열심히 .. 2020. 11. 5. 라벨링툴 - labelme & labelImg labelme 1. 설치 & 실행 anaconda prompt에서 labelme을 설치하고 실행한다. pip install labelme labelme 2. annotation annotation할 이미지 혹은 이미지 폴더를 open한다. create polygons를 선택하여 마우스 클릭으로 객체를 분할한다. 처음 시작점으로 polygon을 찍으면 class를 생성할 수 있다. 다하고 save하면 json파일로 저장된다. +추가자료 github.com/wkentaro/labelme/blob/master/README.md wkentaro/labelme Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and im.. 2020. 10. 23. 넥슨, 강화학습&AI을 이용하여 게임적용 ndcreplay.nexon.com/NDC2018/sessions/NDC2018_0002.html#k%5B%5D=ai NDC Replay 본 홈페이지에 게재, 공개된 발표자료, 동영상, 이미지, 스크립트 등 일체의 저작물(이하 “저작물”이라 합니다)에 대한 저작권 (2차적저작물작성권 및 편집저작물작성권 포함)은 해당 저작물 ndcreplay.nexon.com ndcreplay.nexon.com/NDC2019/sessions/NDC2019_0061.html#c=NDC2019&t%5B%5D=%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D NDC Replay 본 홈페이지에 게재, 공개된 발표자료, 동영상, 이미지, 스크립트 등 일체의 저작물(이하 “저작물”이라 합니다)에 대한.. 2020. 10. 22. COCO Dataset 1. 정의 여러 일상 이미지들의 집합. COCO is a large-scale object detection, segmentation, and captioning dataset. COCO has several features : - Object segmentation - Recognition in context - Superpixel stuff segmentation - 330K images (>200K labeled) - 1.5 million object instances - 80 object categories - 91 stuff categories - 5 captions per image - 250,000 people with keypoints 2017년 공개된 데이터 셋 기준으로, - train2.. 2020. 10. 12. 이전 1 다음
