분류 전체보기 검색 결과

205 개의 검색 결과가 있습니다.

Computer Science, Programming/etc

VSCode에서 Jupyter Notebook (.ipynb파일) 실행 및 수정하기

깃허브와 visual studio code의 연동이 좋아서 자주 쓰는데, jupyter notebook과 visual studio code를 연동하는 과정은 자주 잊어버린다. 따라서 관련 내용을 정리해두려 한다. visual studio code는 이미 설치되어 있고, 기본적인 사용방법은 안다고 가정한다. 0. VSCode에서 관련 패키지 설치 먼저, Visual Studio Code 좌측의 '확장'탭에서 파이썬 파일, 특히 .ipynb파일 실행을 위해 여러 패키지를 설치해주어야 한다. 1) Python 패키지 Python을 검색하여 파이썬 관련 패키지 3개를 설치해준다. 2) Jupyter Notebook 관련 패키지 설치 마찬가지로 Jupyter를 검색하여 Jupyter, Jupyter Keymap(..

2022. 7. 4. 13:13

Research/Pytorch

PyTorch 익히기 - Docker 세팅

Pytorch를 간단히 다루어본 적이 있는데, 앞으로의 연구에 익숙하게 활용하기 위해 Pytorch 내용을 정리해보려 한다. 대부분의 내용은 유튜브의 '모두를 위한 딥러닝 시즌2'를 참고하였다. https://www.youtube.com/watch?v=7eldOrjQVi0&list=PLQ28Nx3M4JrhkqBVIXg-i5_CVVoS1UzAv&index=1 목차 먼저, Docker에 대한 설명을 기록해둔다. docker는 연구 과정에서도 많이 사용되는 유용한 기능을 제공하므로, 개념을 살펴볼 필요가 있다. (설치 방법 등은 따로 구글링해보면 쉽게 알아낼 수 있다. 또한, 이 블로그의 '버전관리' 카테고리에 유용한 명령어들을 정리해둘 것이다.) 1. Docker가 제공하는 유용한 기능 프로그래밍과 SW개발..

2022. 7. 2. 18:15

Fundamentals/AI Fundamentals

[기초 수학] Statistics Fundamentals (4)

통계학은 인공지능과 겹치는 부분이 매우 많고, 쉬운 개념도 잊기 쉽다. 매우 기초적인 지식은 알고 있다고 가정하고, 머신러닝을 수행하기 위한 내용을 공부해보자. 학부 과정에서 배운 확률과 통계, 데이터마이닝 내용과 책 'Mathematics for Machine Learning'을 참고했다. 목차 7. Gaussian Distribution 가우스 분포는 정규분포(Normal Distribution)라고도 불릴 만큼, 연속형 자료의 분포를 표현하는 데 많이 사용되는 분포이다. \( \forall X = \text{continuous random variable} \) \( \exists f : \text{probability density function} \) \( f(x) = \frac{1}{\sqr..

2022. 5. 19. 20:17

Fundamentals/AI Fundamentals

[기초 수학] Statistics Fundamentals (3)

통계학은 인공지능과 겹치는 부분이 매우 많고, 쉬운 개념도 잊기 쉽다. 매우 기초적인 지식은 알고 있다고 가정하고, 머신러닝을 수행하기 위한 내용을 공부해보자. 학부 과정에서 배운 확률과 통계, 데이터마이닝 내용과 책 'Mathematics for Machine Learning'을 참고했다. 목차 5. 확률 변수의 기댓값(Expected Value) 및 분산(Variance) 기댓값과 분산은 앞선 포스팅에서 평균과 분산을 설명할 때 말했듯이, 데이터를 표현하기 위해 중요한 값이다. 기댓값(Expected Value, \(E\))은 각 사건이 벌어졌을 때의 이득과 그 사건이 벌어질 확률을 곱한 것을 전체 사건에 대해 합한 값이다. 이는 마치 어떤 확률적 사건에 대한 평균, 특히 '모평균'의 의미로 사용될 ..

2022. 5. 18. 17:56

Fundamentals/AI Fundamentals

[기초 수학] Statistics Fundamentals (2)

통계학은 인공지능과 겹치는 부분이 매우 많고, 쉬운 개념도 잊기 쉽다. 매우 기초적인 지식은 알고 있다고 가정하고, 머신러닝을 수행하기 위한 내용을 공부해보자. 학부 과정에서 배운 확률과 통계, 데이터마이닝 내용과 책 'Mathematics for Machine Learning'을 참고했다. 목차 3. Random Variable (확률 변수) 변수는 변할 수 있는 값이며, 방정식 등에서 우리가 특정 값을 할당하여 해를 구할 수 있다. 확률 변수도 이와 비슷한 개념으로, 변할 수 있는 여려 값을 갖지만, 해를 구하지는 않는다는 점이 다르다. 오히려 표본 공간 \(S\)의 특정 값을 입력 받아 \(X(s)\)에 포함되는 특정 '확률'을 출력하는 함수이다. (평소 '변수'의 개념에 대한 착각을 버려야 한다!..

2022. 5. 18. 12:30

Fundamentals/AI Fundamentals

[기초 수학] Statistics Fundamentals (1)

통계학은 인공지능과 겹치는 부분이 매우 많고, 쉬운 개념도 잊기 쉽다. 매우 기초적인 지식은 알고 있다고 가정하고, 머신러닝을 수행하기 위한 내용을 공부해보자. 학부 과정에서 배운 확률과 통계, 데이터마이닝 내용과 책 'Mathematics for Machine Learning'을 참고했다. 목차 1. Statistics 통계학이란 자료(data)에 근거하고, 불확실성에 대비한 합리적 의사결정을 위한 학문이다. 특히 빅데이터, 머신러닝, 딥러닝과 관련이 많다. 확률과 통계라는 과목에서 다루는 내용의 범위는 '자료(data) 수집 → 모형(model) 설정 → 추정(Prediction) → 검정(test)' 까지이다. 통계학은 크게 두 가지로 분류된다. Descriptive Statistics (기술 통계..

2022. 5. 18. 05:53