공간정보와 인터넷지도

마크다운이란 마크다운(Markdown)은 텍스트 기반의 마크업(Markup) 언어로, 일반 텍스트 편집기를 사용하여 문서를 작성할 수 있습니다. 마크다운은 간단하고 직관적인 문법을 제공하여, 비전문가들도 쉽게 문서를 작성할 수 있게 해줍니다. 마크다운을 왜 사용해야 하는가? Tistory 블로그를 운영하면서, 오래전부터 마크다운을 지원한다는 것은 알고 있었습니다. 하지만 그냥 rich editor?를 사용하면 되지 뭐하러 마크다운을 사용해야 하나... 하며 모른척 했습니다. 그러고 생각해보면, 제가 마크다운을 처음 접했던 것은 지금부터 15년 전쯤이 아닐까 싶은데.... 제가 이 블로그를 운영하기 시작하며 여러 블로그 친구들을 사귀었는데, 그중 몇분이 마크다운을 열심히 전도했던 것이 생각나네요. 아무튼,..

이 절에서는 여러분의 첫번째 EPUB 이북을 생성하고, Sigil 사용법을 배운다. Sigil의 기능에 대한 자세한 사항은 "기능" 장을 참고하라. 먼저 EPUB를 만들 때 무엇이 필요한지에 대해 간략하게 알아보기위해, 여러분이 해야할 작업을 순서대로 나열하면 다음과 같다. (EPUB 문서가 없을 경우) 문서를 HTML로 변환하여, Sigil로 불러들인다. 저자(Author), 제목(Title)을 비롯한 자세한 사항을 입력한다. 표지 그림을 추가한다. 목차(Table of Contents)를 생성한다. 생성한 이북이 EPUB 표준에 적합한지 검증한다. Sigil에서 형태 등 모든 것을 테스트한다. 실제 이북 리더에서 테스트한다. - 어떤 리더에서는 작동되지만, 다른 리더에서는 작동되지 않는 경우가 있다...

Lec 07-1 학습 rate, Overfitting, 일반화(Regularization) https://www.youtube.com/watch?v=1jPjVoDV_uo Learning_rate : 이제까지는 임의의 값을 사용했음이 값을 크게 할 경우, 진동하거나 발산(overshooting)할 수 있음.아주 작은 값을 사용할 경우, 시간이 너무 많이 걸리고, local minimum에서 정지어떤 값이 좋은가는 특별한 법칙은 없다. 0.01로 시작하고, 나오는 cost 값에 따라서 줄이거나 늘리는 방법을 사용하면 된다.Data(X)의 전처리. (Gradient descent용)아래와 같이 x1, x2의 범위가 차이가 크면, 왜곡된 형태가 되어 데이터 처리가 힘들 수 있다.이 경우, 아래와 같이 중심을 원..

Lec 6-1 Softmax Regression 기본개념 https://www.youtube.com/watch?v=MFAnsx1y9ZI복습H(x) = WX 와 같이 Linear Regression으로부터 출발한다. 그러나, 이런 $WX$ 형태의 단점은, 출력이 $-\infty \lt H_L(x) \lt~\infty$ 이므로, 0이냐 1이냐를 고르는 문제에서는 적합하지 않다.그래서 $z = H_L (X)$라고 놓고, 이 값을 0부터 1로 압축할 수 있는 $g(z)$ 함수를 사용하여 해결한다. 이에 가장 적합한 $g(x)$는 sigmoid라고 하는 $g(z) = \frac {1}{1+e^{-z}}$ 이다. 이를 적용했을 때의 Hypothesis는 $H_R (X) = g(H_L (X))$ 가 된다.수식이 많아..

Lec 05-1 - Logistic Classification의 가설함수 정의 https://www.youtube.com/watch?v=PIjno6paszYNeural network과 관계가 깊음.Binary Classification은 두가지 범주로 나누는 것 -> 0, 1 encodingSpam or HamShow or Hide주식 Buy/SellLinear Regression으로 가능한가?예를 들어 0.5 정도 이하면 Fail로 두면 될텐데, 50과 같은 값으로 인해, (대칭이 이루어지지 않아) 합격/불합격 선이 바뀌게 될 수 있다.또한 출력이 0 이하나 1 이상으로 나올 수 있다.... 별로 좋지 않다.그래서 Logistic Hypothesis 가 필요. (출력 범위가 0에서 1까지)아래와 같은 ..

Lec 04 - 다변수(Multi-variable) Linear Regression https://www.youtube.com/watch?v=kPxpJY6fRkY복습선형 회귀분석을 위해서는 1) 가설(Hypothesis)를 세우고, 2) 비용(Cost/Loss) 함수를 만든 뒤, 3) Gradient descent 알고리듬을 적용한다.비용함수를 결정하고, 이를 최소로 줄이는 W, b를 찾는 것이 학습을 시키는 과정이다.단변수 회귀분석에서는, X=[x1, x2, .... , xn], Y=[y1, y2, ... , yn] 의 형태가 됨.다변수 회귀분석은X=[[x11, x12, .... , x1m],[x21, x22, .... , x2m], ..., [xn1, xn2, .... , xnm]], Y=[y1, y..

Lec 03 - Linear Regression 의 cost 최소화 알고리듬의 원리 https://www.youtube.com/watch?v=TxIVr-nk1so복습 : 선형회귀분석 모델의 가설(Hypothesis)과 비용함수(Cost function) 설명을 위해 H(x) = W(x)로 두고 진행W=1 일때의 cost(W)는?cost(W) = 1/3( (1x1 -1)^2 + (1x2 - 2)^2 + (1x3 -3)^2 ) =0W=0 일때의 cost?cost(W) = 1/3( (0x1 -1)^2 + (0x2 -2)^2 + (0x3 -3)^2 ) = 1/3 (1+4+9) = 4.67W=2 일때... cost = 4.67... 많은 값에 대해 cost()의 그래프를 그리면널리 사용되는 알고리듬이 Gradie..

Lec 02 - Linear Regression의 가설(Hypothesis)과 비용(cost) 설명 https://www.youtube.com/watch?v=Hax03rCn3UI시험성적 예측 (supervised learning) 선형 회귀분석x(hours), y(score) ->[[10,90], [9,80], [3,50], [2,30]] 의 경우.regression 모델로 training 시킴예(x,y) ->[[1,1], [2,2], [3,3]] 의 경우가설(Hypothesis) : linear regression.최적의 선을 찾는 것이 학습과정선형 회귀분석의 가설 : H(x) = Wx + b 에서, 가장 좋은 W와 b 를 찾아야 함.어떤 가설이 좋은지를 찾는다는 것은, 실제 데이터와, 가설 H(x)에..

Lec 00 - 머신/딥러닝 수업의 개요와 일정 https://www.youtube.com/watch?v=BS6O0zOGX4E알파고의 충격. Dr. Andrew Ng 님의 주장 - 머신러닝을 잘 이해하는 것이 슈퍼파워를 가지는 것.그렇지 못한 사람에 비해 앞서나갈 수 있다.누가 봐야 하나머신러닝에 대해 이해하고 싶은 사람수학이나 컴퓨터 공학에 대해 잘 모르는 사람기본적인 이해 만으로 머신러닝을 블랙박스처럼 사용하고 싶은 사람Tensorflow 와 Python을 사용하고 싶은 사람.목표머신러닝 알고리듬에 대한 기본적인 이해Linear regression, Logistic regression (Classification)Neural networks, Convolutional Neural Network, Re..

Lab1 : TensorFlow 기본 TensorFlow 설치- https://www.tensorflow.org/install/- Anaconda 설치후, Anaconda Prompt 를 실행한 후 나머지 실행- GPU 버전의 경우, 별도의 conda environment 를 설치한 후 실행>> import tensorflow as tfTensorFlow 실행 예제import tensorflow as tf node1 = tf.constant(3.0) node2 = tf.constant(4.0) node3 = tf.add(node1, node2)sess = tf.Session() print(sess.run([node1, node2])) print(sess.run(node3) TensorFlow 실행 단계-..