Warm Developer

1. DB 정보 조회하기 > db : 현재 db를 보여준다 > show dbs : db 목록을 보여준다. collection이 하나라도 있어야 출력된다. - use db명 을 통해 db를 변경할 수 있으며 db가 존재하지 않는 경우 자동으로 생성된다. > db.version( ) : db의 버전을 보여준다. > db.stats( ) : 현재 db의 상태를 보여준다. > db.dropDatabase( ) : 현재 db를 삭제한다. 2. Collection 조회하기 show collections -> 현재 DB가 가지고 있는 collection 목록들을 리턴한다. db.mycollection.find( ) -> 현재 DB의 mycollection의 컬렉션에 있는 전체 목록, 즉 오브젝트 아이디, 키, 값을 ..

1. ANN ( Artificial Neural Network ) : 인공 신경망 - 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘 신호,자극 : input data 임계값 : weight(가중치) 행동 : output -> 신호, 자극 등을 받고 임계값을 넘어서면 결과 신호를 전달하여 행동함 문제점 1. 학습 과정에서 최적의 파라미터 값을 찾기 어려움 2. 과적합(Overfittting) 문제 3. 느린 학습시간 2. DNN (Deep Neural Network) : 심층 신경망 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘 은닉층을 2개 이상으로 많이 늘려 학습 결과를 향상 시키는 방법 ( ANN보완 ) 많은 데이터와 반복학습, 사전 학습과 오류역전파 기법을 통해 널리 사..

재귀함수란? 메소드 혹은 함수의 내부에서 자기 자신을 다시 호출하는 함수이다. 재귀함수를 통해 코드를 보다 간결하게 작성할 수 있으며 변수 사용을 최소화할 수 있다. 모든 재귀함수는 반복문을 통해 동일한 기능을 구현할 수 있다. 함수를 연속적으로 호출할 경우 메모리 내부 스택 프레임에 쌓이며 대표적으로 DFS를 간결하게 작성할 수 있다. def recur_fun(cnt): print('{}번째 재귀함수 호출'.format(cnt)) if cnt 더보기 1번째 재귀함수 호출 2번째 재귀함수 호출 3번째 재귀함수 호출 4번째 재귀함수 호출 5번째 재귀함수 호출 6번째 재귀함수 호출 문제 ) 주어진 data 리스트 요소들의 합으로 표현할 수 있는 숫자의 경우의 수는? 1. 반복문을 통한 완전 탐색 data =..

1. DFS ( Depth First Search ) _ 깊이 우선 탐색이란? 하나의 경우의 수에 대하여 모든 경우의 수를 조사하면서 해를 찾는 과정으로 깊은 부분을 우선적으로 탐색하는 알고리즘이다. 스택(후입선출)의 자료구조 또는 재귀함수를 활용한다. 위 그래프의 경우 1 -> 2 -> 7 -> 6 -> 8 -> 3 -> 4 -> 5 순서대로 탐색하며 코드로 구현하면 다음과 같다. def dfs(graph, v, visited): visited[v] = True # 현재 노드를 방문 처리 print(v, end=' ') for i in graph[v]: # 현재 노드와 연결된 다른 노드를 재귀적으로 방문 if not visited[i]: dfs(graph, i, visited) graph = [ [ ]..

sklearn.metrics 메소드를 살펴보자 1. confusion matrix 형태의 데이터를 관리한다. : 클래스 분류 결과를 실제(정답) 클래스와 예측 클래스를 축으로 가진 형태 sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None) 실제 클래스 예측 클래스 TP ( True Positive ) T T TN ( True Negative ) F F FP ( False Positive ) F T FN ( False Negative ) T F -- case 1 ( 예측 : 행 / 실제 : 열 ) 0 : Negative / 1 : Positive 0 1 0 TN FP 1 FN TP..

scikit-learn 모듈을 사용하여 머신러닝을 구현해보자 머신러닝 구현 단계 1단계 : 데이터 수집 및 전처리 2단계 : 데이터 분할 - sklearn.model_selection.train_test_split : 목적 데이터를 분할 3단계 : 모델 지정 - ex) sklearn.ensemble.RandomForestClassifier -> sklearn.ensemble.* 등 모델 사용 4단계 : 모델 학습 - model.fit( X, y ) 5단계 : 테스트 및 평가 : model.predict( ) , sklearn.metrics. * 정답률 : accuracy_score( ) 적합율 : precision_score( ) 재현율 : recall_score( ) 평가지표 산출률 : Classifi..

탐색이란? 많은 데이터 속에서 원하는 데이터를 찾는 것 탐색의 종류 완전탐색 이분탐색 깊이우선 탐색 너비우선 탐색 문자열 탐색 KMP BM 1. 완전탐색 - 브루트 포스라고도 불리며 컴퓨터의 빠른 계산 성능을 활용하여 가능한 모든 경우의 수를 탐색, 효율성 관점에서 최악의 방법 1-1. 반복문 def solution(trump): for i in range(len(trump)): if trump[i] == 8 : return i return -1 1-2. 재귀함수(동적계획법, 백트래킹, 탐욕법) - 무한루프에 빠질 수 있음에 주의! def solution(trump, loc): if trump[loc] == 8 : return loc else : return solution(trump, loc+1) 2...

개요 : 소셜이커머스 1위인 쿠팡의 과일 이미지를 크롤링하여 이미지 기반 분석 프로그램을 제작함 팀명 : Goofanaka 팀원 : 손기훈 김동건 유주아 김은찬 개발 기간 : 2020년 12월 22일 ~ 2021년 1월 10일 개발언어 : python 크롤링 : Beautifulsoup 데이터베이스 : MongoDB, Mongoengine 분석 및 시각화 : Pandas, jupyter notebook, matplotlib Gui tool : PyQT Git, Github 담당 역할 : 프로그램 개발 : 크롤러 제작, 프로그램 패키지화, GUI 제작 깃허브 : github.com/Goofanaka/image_tagging 총평 - 처음으로 시도해보는 python 프로젝트였다. crawling 이라는 단어..

스택(Stack)이란? 쌓다 라는 의미를 가지며 LIFO(Last In First Out) 후입선출 구조를 가진다. 삽입 : push 삭제 : pop Python Stack 직접 구현 >>> s = [ ] >>> s.append(1) >>> s.append(5) >>> s.append(10) >>> print("my stack : ", s) my stack : [ 1, 5, 10 ] >>> print(s.pop()) 10 >>> print("my stack : ", s) my stack : [ 1, 5 ] >>> print(s[-1]) 5 >>> print("my stack : ", s) my stack : [ 1, 5 ] list.pop( ) : 리스트의 마지막 인덱스 값을 리턴 후 삭제 list[-1..

머신러닝이란? 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야 y = f(x) y : 출력변수, 종속변수, 반응 변수 f : 모형(알고리즘) x : 입력변수,독립변수, feature -> 무엇(X)으로 무엇(Y)을 예측하고 싶을 때 머신러닝 사용 1. 지도학습 : X를 가지고 Y를 예측하는 것 - 회귀 (regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측 ex) 주가 예측 - 분류 (classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y(class)를 예측 ex) 공정 불량 여부 탐지 - 서포트 벡터, 결정 트리, 신경망 등 2. 비지도 학습 : 출력 변수(Y)가 존재하지 않고 입력 변수(X)로만 모델링하는 것 - 군집분석(k-Means) :..