개발차
[NLP] Day 36 - 특강
자연어 프로젝트 특강5개 정도의 프로젝트 과정을 볼 것이다.1. 4차 산업혁명 키워드 도출(1) 크롤링등으로 데이터를 수집(2) 사전 데이터 구축 ( 정보통신용어사전, 국립국어원 )2. 항공산업 미래기술 예측미국 특허 사이트 벌크 다운로드 가능 (USPTO 특허 데이터)특허와 상표도 있음Technology Opportunity Discovery
[NLP] Day 35 - Topic Clustering
1. LSA를 사용해서 Topic Clustering이전 내용을 기반으로해서 News data에 적용시켜보기In [1]:import os corpus=[] for file in os.listdir('./News'): if file.startswith('정치'): with open('./News/'+file,encoding='utf-8') as f: corpus.append([file,f.read()]) In [2]:len(corpus) Out[2]:40In [3]:corpus[0][1] Out[3]:"\n\n\n\n\n// flash 오류를 우회하기 위한 함수 추가\nfunction _flash_removeCallback() {}\n\n 김부겸 행정안전부장관이 14일 서울 여의도 국회 행정안전위원회에 출..
[Pandas] Pandas05 - MPG Cars 풀이
MPG CarsIntroduction:The following exercise utilizes data from UC Irvine Machine Learning RepositoryStep 1. Import the necessary librariesIn [1]:import pandas as pd Step 2. Import the first dataset cars1 and cars2.Step 3. Assign each to a variable called cars1 and cars2In [3]:url1 = 'https://raw.githubusercontent.com/guipsamora/pandas_exercises/master/05_Merge/Auto_MPG/cars1.csv' url2 = 'https:/..
[논문읽기] 02-1. ResNet with Tensorflow
ResNet_implementationTensorflow를 이용해서 ReNet을 구현해 볼 것이다.출처 : https://blog.naver.com/et2035/221371125386In [163]:import tensorflow as tf tf.logging.set_verbosity(tf.logging.ERROR) # warning 출력 방지 from keras.applications.resnet50 import ResNet50, decode_predictions resnet = ResNet50() 다음은 ResNet50의 구조이다.In [96]:resnet.summary() _______________________________________________________________________..
![[논문읽기] 02. Deep Residual Learning for Image Recognition : ResNet](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F9907E0375CB8A11F0F)
[논문읽기] 02. Deep Residual Learning for Image Recognition : ResNet
“Residual(잔차)의 반란”0. AbstractResNet은 Deep neural networks 일수록 더 학습하기 어렵다는 문제를 인식하고 이를 해결하기위해 만들어졌다. 그래서 이전의 학습 방법들과 달리 residual(잔차)을 학습하는 방법으로 더 깊은 networks를 이전보다 더 쉽게 학습시키도록 만들었다.residual networks는 더 optimize하기 쉽고, 더 깊은 모델로 부터 쉽게 accuracy를 얻을 수 있다는 것을 증명해냈다.VGG nets 보다 8배 깊은 152개의 layers를 가진 residual nets로 ImageNet을 학습하고 평가하여 3.57%라는 매우 작은 error를 보이며 ILSVRC 2015의 왕좌에 올랐다.이외에도, CIFAR-10, COCO의 d..