MJK

자바와 스프링을 선택한 이유는, 2학년 강의 때, 객체지향을 배우면서 자바를 공부하였었고, 간단한 키오스크 만들었던 경험이 있어 선택하였다. 인프런 강의인 https://www.inflearn.com/course/스프링-입문-스프링부트/dashboard 를 통하여 자바와 스프링을 공부할 예정이고, 여기서는 회원가입을 주제로 하지만, 나는 여기에 더해 게시판을 추가적으로 할 예정이다. 배운 것을 완전히 내 것을 만들기 위해선,내가 직접 응용할 줄 알아야 된다고 생각하기 때문이다.백엔드가 주 목적이기 때문에, html의 코드는 상호관계만 확인하고, 넘어갈 예정이다. 강의 내용인, 회원가입보다는, 내가 직접 짠 게시판 위주로 올릴 것이다.

백엔드 공부진행도/연습 코드 2024. 1. 29. 21:20

엔트로피의 정의 : 이산 확률 변수(연속적X), 불확실성을 계량화하기 위한 것. 예를들어, 주사위의 면이 각 1/6 일 때, 불확실성이 가장 높다. 정보를 압축하는데 한계가 있다. 수식을 보면, 이를 이용한, 예시를 두 개를 보겠다. 불확실성을 계량화 할 수도 있다. 엔트로피에 조건을 부여하면 된다. 이렇게만 보면 식이 어렵게 다가올 가능성이 높아, 예시를 통하여 다시 보겠다. 위 사진을 보고 식을 풀어보면, 조건을 어떻게 부여하고, 어디에 부여하느냐에 따라 값이 달라지는데, 이해의 편의를 위해 주사위를 예로 들겠다. 위에서 확인할 수 있듯이, 조건을 부여하지 않았을 때 값과, 부여했을 때 값이 다른 걸 확인할 수 있고, 어떤 변수에 조건을 부여하는지에 따라 값이 변하는 것을 확인할 수 있다. 이때 H(..

연구실 2024. 1. 28. 17:47

Rule-based와 Data-driven의 차이를 먼저 알고 넘어가겠다. Rule-based는 이름 그대로 규칙을 기반으로 학습을 시키는 것이다. 하지만, 규칙에서 벗어나는 경우가 많아서 어려움을 겪을 수 있다. 저번에 공부했던 예를 들어, 스팸 문제가 대출, 대.출, 대&&출 이렇듯, 대출이라는 단어만으로는 규칙을 정하기에 어려움을 겪는다. Data-driven은 머신이 스스로 학습하는 것이기에, 이러한 문제가 줄어든다. 인공신경망에 손실함수라는 벌점을 준다. 인공신경망의 성능이 좋을수록 손심하수 값이 낮고, 성능이 나쁠수록 손실함수 값이 높다. 머신러닝은 데이터를 통해 손힐함수 값을 낮추는 과정이다. 예를 들어, A 기상대는 내일 비올 확률을 90%, B 기상대는 60%, C기상대는 30%로 예상했..

연구실 2024. 1. 27. 19:33

지난 시간에 했던 MNIST를 구현해보자. 아직 학습을 못하기 때문에, 이미 학습이 끝난 정보를 가져오겠다. 위 코드는 신경망에서 했던, init_network와는 달리, 가중치와 편향을 불러오는 것을 확인할 수 있다. 이때 p는 머신이 예측한 숫자이고, t[i]는 필체를 쓴 사람의 정답이다. 따라서 머신이 예측한 숫자와, 필체의 쓴 사람의 정답이 같으면 accuracy_cnt에 1를 더해준다. 마지막으로, 정답률을 얻기위해 x_test의 갯수에서 accuracy_cnt를 나눠준다. 결과이다. time에 대한 건 후에 다시 보도록 하자. 다음으로 배치(묶음)처리에 대해서 알아보자. 만약 데이터의 갯수가 60,000장 이라면 머신은 한 장씩 처리하는 것이 아닌, 한 번에 처리한다. 따라서 I/O에서 병목현..

연구실 2024. 1. 26. 19:50

이번 장에서는, 고등학생과 미국 인구조사국 직원들이 손으로 쓴 70,000개의 작은 숫자 이미지를 모은 MNIST 데이터셋을 사용하여, 공부해보겠다. MNIST의 데이터셋은 0부터 9까지 손글씨 이미지로 구성되어있다. 개개인의 필기체가 다름으로, 필체 변형이 너무 많은 문제가 있어서, 규칙을 임의로 정해서 해결하기 어려운 문제가 있다. 스팸으로 예를 들면, 대출 이라는 단어를 스팸으로 분류하고 싶다. 하지만 대출, 대%출, 대&&출 등 우리가 임의로 규칙을 정해도 피해갈 방법은 많다. 이를 해결하기 위해, 해당 레이블(정답)을 학습시키는 것을 택하였다. 코드에 들어가기 앞서, 컴퓨터는 사람 처럼 직관적으로 보는 게 아닌, 이미지 행렬로 바꿔서 본다. 흑백 이미지는 행렬로 나타내고, 컬러 이미지는 3차원 ..

연구실 2024. 1. 25. 19:31

이번 장에서는 행렬의 곱셈과 덧셈이 중요하다. 행렬의 곱셈과 덧셈을 공부하지 않았다면, 공부하고 보길 추천한다. 이 문제를 예제 코드로 구현을 하면 이것을 처음 그림에 대입을 해서 보면 조금 더 이해하기가 쉽다. 이것의 최종출력을 하기위하여 softmax를 사용할 것이다. 하지만, 이렇게만 사용하게 된다면 값이 너무 커져, overflow가 발생할 가능성이 높다. (a1,a2,...,an)과 (a1+C,a2+C,...,an+C) 가 같다는 것을 사용하면 overflow가 발생하는 것을 방지할 수 있다. 이것을 코드로 나타내면, 교재 : 밑바닥부터 시작하는 딥러닝 (저자 : 사이토 고키 / 번역 : 이복연 / 출판사 : 한빛미디어) https://www.hanbit.co.kr/store/books/... ..

연구실 2024. 1. 24. 19:49

Heaviside 함수는 step 함수로, 값이 0과 1로만 이루어진 함수이다. 머신러닝에서 학습은 미분을 통해 이루어진다. 하지만, Heaviside 함수는 미분 값이 항상 0이기 때문에, 다른 활성화 함수를 사용한다. 위 코드에서 확인할 수 있듯이, step_function()은 0,1인 값만 나오고, sigmoid()은 연속적인 값을 가진다. matplotlib은 그림 그리는 라이브러리이다. 이때 np.arange는 범위를 나타내는 것이다. np.arange(5) #0~4인 정수 np.arange(-5,5) #-5~4인 정수 np.arange(-5.0,5.0,0.1) # 공차가 0.1 교재 : 밑바닥부터 시작하는 딥러닝 (저자 : 사이토 고키 / 번역 : 이복연 / 출판사 : 한빛미디어) https..

연구실 2024. 1. 24. 18:06

예를 들어, w1 = 0.5, w2 = 0.5, θ = 0.7이라고 할 때, 0.5 * 1 + 0.5 * 1 = 1 >0.7 0.5 * 1 + 0.5 * 0 = 0.5

연구실 2024. 1. 24. 17:31