잔잔한 흐름님의 블로그

이 글은 (2판)을 참고하여 만들어졌습니다. 3. 신경망 하이퍼파라미터 튜닝하기신경망의 유연성은 단점이기도 합니다. => 조정할 하이퍼파라미터가 많기 때문입니다.아주 복잡한 네트워크 구조에서뿐만 아니라 간단한 다층 퍼셉트론에서도 층의 개수, 층마다 있는 뉴런의 개수, 각 층에서 사용하는 활성화 함수, 가중치 초기화 전략 등 많은 것을 바꿀 수 있습니다.어떤 하이퍼파라미터 조합이 주어진 문제에 최적일까요?? 한 가지 방법은 많은 하이퍼파라미터 조합을 시도해보고 어떤 것이 검증 세트에서(또는 K-폴드 교차 검증으로) 가장 좋은 점수를 내는지 확인하는 것이다.ex. GridSearchCV나 RandomizedSearchCV를 사용해 하이퍼파라미터 공간을 탐색할 수 있습니다.이렇게 하려면 케라스 모델을 사이킷런..

이 글은 을 참고하여 만들어졌습니다.2.3 시퀀셜 API를 사용하여 회귀용 다층 퍼셉트론 만들기사이킷런의 fetch_california_housing() 함수를 사용해 데이터를 적재하겠습니다. 이 데이터셋은 수치 특성만 있으므로 간단합니다(ocean_proximity 특성이 없습니다).데이터를 적재한 후 훈련 세트, 검증 세트, 테스트 세트로 나누고 모든 특성의 스케일을 조정합니다.from sklearn.datasets import fetch_california_housingfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerhousing = fetch_california_ho..

이 글은 에 의해 만들어졌습니다.2. 케라스로 다층 퍼셉트론 구현하기케라스는 모든 종류의 신경망을 손쉽게 만들고 훈련, 평가, 실행할 수 있는 고수준 딥러닝 API입니다.API 문서(또는 명세) : http://keras.io케라스의 참조 구현은 2015년 3월에 오픈소스로 공개되었습니다. (다양한 유연성과 아름다운 디자인)이 참조 구현은 계산 백엔드(backend)에 의존하여 신경망에 필요한 많은 연산을 수행합니다.인기 있는 3가지 딥러닝 라이브러리 중에서 백엔드를 선택이 가능합니다.텐서플로마이크로소프트 코그니티브 툴킷(Microsoft Cognitive Toolkit)(CNTK)시애노2016년 후반부터 다른 구현이 릴리스되기 시작했습니다.지금은 아파치(Apache) MXNet, 애플의 Core ML,..

이 글은 을 참고하여 만들어졌습니다.1.4 다층 퍼셉트론과 역전파다층 퍼셉트론은 (통과) 입력층(Input layer) 하나와 은닉층(hidden layer)이라 불리는 하나 이상의 TLU 층과 마지막 출력층(output layer)으로 구성됩니다.입력층과 가까운 층을 보통 하위 층(lower layer)출력에 가까운 층을 상위 층(upper layer)출력층을 제외하고 모든 층은 편향 뉴런을 포함하며 다음 층과 완전히 연결되어 있습니다. * 신호는 (입력에서 출력으로) 한 방향으로만 흐릅니다. => 이 구조는 피드포워드 신경망(feedforward neural network)(FNN)에 속합니다. 심층 신경망(deep neural network)(DNN) : 은닉층을 여러 개 쌓아 올린 인공 신..

이 글은 를 참고하여 만들어졌습니다.2-06. 도메인 별로 분류하기지금까지 작성한 모든 파일을 com.mysite.sbb라는 파일 안에 넣고 관리하는 것은 바람직하지 않다.⇒ 다음 표와 같이 sbb 프로젝트의 도메인 별로 패키지를 나누어 관리해 보자.도메인 이름 패키지 이름 설명questioncom.mysite.sbb.question게시판의 질문과 관련된 자바 파일 모음answercom.mysite.sbb.answer게시판의 답변과 관련된 자바 파일 모음usercom.mysite.sbb.user사용자와 관련된 자바 파일 모음com.mysite.sbb.answer(Answer.java, AnswerRepository.java)com.mysite.sbb.question(Question.java, Quest..

오늘은 C++11 표준 라이브러리를 활용하여 멀티쓰레드 프로그래밍의 세계에 대해 알아보겠습니다.🚀 멀티쓰레딩은 여러 작업을 동시에 처리하여 프로그램의 성능을 팍팍 올려주는 기술입니다.이 글에서는 스레드를 만들고 관리하는 기초부터, 여러 스레드가 데이터를 함께 사용할 때 생길 수 있는 문제점과 그 해결책 중 하나인 Atomic에 대해 정리해보겠습니다. 😉1. 🚀 멀티쓰레딩, 왜 필요할까요?CPU는 우리 프로그램의 일꾼이죠. 요즘 컴퓨터들은 대부분 여러 개의 코어(일꾼 두뇌🧠)를 가진 멀티코어 CPU를 사용해요.멀티쓰레딩은 이 여러 개의 코어에게 작업을 나누어 주어 동시에 처리하게 하는 기술입니다.마치 여러 명의 요리사가 동시에 각자 다른 요리를 만드는 것과 같다고 생각합니다!게임 서버처럼 복잡한 프..

1. 인공 신경망1.1 생물학적 뉴런에서 인공 뉴런까지1.2 생물학적 뉴런2. 뉴런을 사용한 논리 연산3. 퍼셉트론3.1 퍼셉트론과 TLU3.2 퍼셉트론 훈련 방법3.3 퍼셉트론의 한계와 다층 퍼셉트론(MLP)의 등장 이 글은 "핸즈온 머신러닝(2판)"을 바탕으로 만들어졌습니다. 1. 인공 신경망 (Artificial Neural Network, ANN)1. 인공 신경망이란?인공 신경망은 뇌의 생물학적 뉴런 네트워크에서 영감을 받아 만들어진 머신러닝 모델입니다.시간이 지나면서, 인공 신경망은 실제 생물학적 뉴런과는 점점 다른 방향으로 발전해왔습니다.인공 신경망은 딥러닝(Deep Learning) 의 핵심을 이루는 기술입니다.인공 신경망의 특징다재다능성: 다양한 문제를 해결할 수 있음강력함: 복잡하고 방대..

이 책은 공학경제 3판을 기준으로 만들어졌습니다.🎯 학습 목표돈의 시간적 가치 이해경제적 등가 개념의 이해다양한 현금흐름에 대한 등가 계산 적용💰 3.1 돈의 시간적 가치(Time Value of Money)✔️ 왜 시간에 따라 돈의 가치는 달라질까?수익력: 지금의 돈은 예치 시 이자를 통해 더 큰 금액으로 증가구매력: 물가 상승으로 화폐 가치가 하락 → 미래의 돈은 현재보다 가치가 낮음💡 어군 탐지기 사례구분기존 시스템어군 탐지기 사용수입800만 원1600만 원지출400만 원690만 원순수익400만 원910만 원→ 수익력 차이: 510만 원 → 1000만 원 투자에 대한 경제적 가치를 설명🧮 3.2 이자 계산 방식📌 단리(Simple Interest)원리금 합계: P(1 + i·n)P는 원금,..

운영체제는 CPU를 효율적으로 사용하기 위해 다양한 CPU 스케줄링 알고리즘을 사용합니다. 각각의 알고리즘은 서로 다른 특징과 장단점을 가지고 있어, 상황에 따라 적절한 선택이 필요합니다. 이번 글에서는 주요 CPU 스케줄링 알고리즘을 빠짐없이 정리해 보았습니다.본 내용은 를 바탕으로 만들어졌습니다.📌 1. 선입 선처리 스케줄링 (First Come First Served, FCFS)방식: 비선점형특징: 준비 큐에 도착한 순서대로 처리가장 단순한 스케줄링 방식입니다.CPU 요청 순서대로 프로세스를 처리하여 공정하게 보이지만, 긴 작업이 먼저 도착할 경우 나중에 도착한 짧은 작업이 오래 기다리는 호위 효과(convoy effect) 현상이 발생합니다.예시:프로세스 A(17ms), B(5ms), C(2ms..

안녕하세요! 오늘은 경영에서 매우 중요한 개념인 '비용(원가)'에 대해 이야기하고, 어떻게 분류되는지, 그리고 기업 운영에 필수적인 '손익분기점'이 무엇인지 알아보겠습니다. 본 내용은 공학경제 을 참고하여 만들어졌습니다.1. 비용(Expense)과 원가(Cost)의 정의 및 구성우리가 흔히 사용하는 '비용'과 '원가'는 비슷해 보이지만 경영학에서는 명확한 차이가 있습니다.비용(Expense): 경영 활동을 하면서 사용한 대가를 화폐 단위로 측정한 값입니다. 이는 기업 운영 전반에서 발생하는 모든 지출을 포함하는 넓은 개념입니다. 원가(Cost): 특정 제품이나 서비스를 생산하는 데 소요되는 여러 가지 비용의 총합입니다. 주로 생산 과정에서 발생하는 지출을 의미합니다. (생산과정) 쉽게 말해, 원가는..