본문 바로가기

전체 글 보기

 (105)
2022-01-28 운동일지 운동 종목 운동 시간 식단 X X X 운동 운동 부위 무게 / 세트 횟수 비고 식단 아침 점심 저녁 비고 메뉴 라떼, 빵 술 식사 시간
2022-01-27 운동일지 운동 종목 운동 시간 식단 X 운동 운동 부위 무게 / 세트 횟수 비고 식단 아침 점심 저녁 비고 메뉴 토스트, 우유, 커피 불고기 식사 시간 12:30 19:30
2022-01-26 운동일지 운동 종목 운동 시간 식단 산책 19:00 ~ 21:30 / 02:30:00 X 운동 운동 부위 무게 / 세트 횟수 비고 산책 식단 아침 점심 저녁 비고 메뉴 빵 + 카페라떼 떡볶이(라면) 과자, 바나나 우유 식사 시간
'딥페이크 딥러닝, 핵전쟁보다 무서운 기술' 후기 강좌 명 딥페이크 딥러닝, 핵전쟁보다 무서운 기술 채널 Zade Meida 시청 목적 딥페이크 관련한 궁금증 시청 시간 약 5분 링크 https://www.youtube.com/watch?v=3y0Zwv4cnUA 시청 날짜 시간 시청 시간(분) 이해도 (%) 2022-01-26 15:45 ~ 15:56 6 100 수강 후기 기술의 발전에 따른 새로운 윤리관을 정립하고 확대해야 한다고 생각. 딥페이크 기술은 불쾌한 골짜기인 줄 알았지만, 현재 전혀 이질감이 없다는 것에 놀람. 계획 1. 없음. 딥페이크 딥러닝 + 페이크의 합성어 부정적인 면 처음 포르노 산업에 엄청 활용 현재 법이 명확하지 않아 처벌이 힘듦 배포자 찾기가 힘듦 긍정적인 면 베컴의 ‘말라리캠페인’ 그럼에도 위험하다고 생각하는 이유 정확성과 ..
4.1장 판다스 패키지의 소개(4.1_데이터프레임 클래스) 4.1 판다스 패키지의 소개(데이터프레임 클래스) 결과 값들이 밀려서, jupyter notebook 으로 다시 보기 1. 데이터프레임 클래스 - 시리즈가 1차원 벡터 데이터에 행방향 인덱스를 붙인 것이라면 - 데이터프레임 클래스는 2차원 행렬 데이터에 인덱스를 붙인 것과 비슷 - 2차원이므로 각각의 행 데이터의 이름이 되는 행 인덱스뿐 아니라 각각의 열 데이터의 이름이 되는 열 인덱스도 붙일 수 있다. 2. #### 데이터프레임 생성 - 데이터프레임을 만드는 방법은 다양. 가장 간단한 방법은 다음과 같다. - 1. 우선 하나의 열이 되는 데이터를 리스트나 일차원 배열을 준비 - 2. 이 각각의 열에 대한 이름(라벨)을 키로 가지는 딕션너리 만든다. - 3. 이데터를 DataFrame 클래스 생성자에 넣..
4장 난수 발생과 카운팅(4.0 ~ 4.1_시리즈 클래스) 4.0 판다스 데이터 분석 1. 판다스 데이터 분석 - 이 장에서는 판다스(Pandas)패키지를 사용하여 데이터를 분석하는 방법을 공부 - 판다스 패키지는 데이터를 다룰 때 빠질 수 없는 중요한 패키지 - 판다스 패키지를 이용하면 다양한 방법으로 데이터를 조작 2. 학습 목표 - 시리즈와 데이터프레임을 만들 수 있다. - 판다를 이용하여 csv 파일을 읽고 쓸 수 있다. - 시리즈와 데이터프레임에서 원하는 데이터를 읽고 갱신하는 방법을 익힌다. - 시지즈와 데이터프레임의 데이터를 조작하는 법을 공부한다 - 멀티 인덱스와 이를 다루는 방법을 학습. - 둘 이상의 데이터프레임을 하나로 합치는 법을 익힌다. - 데이터를 그룹으로 나누어 분석하고 피봇테이블을 만드는 방법을 공부한다. 4.1 판다스 패키지의 소개..
빵과 커피가 맛있는 '카페 인(cafe in)' 빵과 커피가 맛있는 카페 인(cafe in) 빵이 정말 Goooood~! 성내 도서관 가는 중이었는데, 우연히 이곳 '카페 인'을 발견했어요! 갑자기 끌려서 들어갔는데 아득하니 너무 좋았어요 :D 특히 빵이 너무 맛있어요 추천 추천!! 아득한 실내 공간 실내가 테이블 2개와 창가 의자가 3개정도의 규모라서 크지는 않아요! ㅎㅎㅎ 방문하는 고객들을 보면 동네 주민분들이 간단하게 담소하고 가는 느낌이에요 ㅋㅋㅋ 맛있는 빠아앙! 두 번 방문했는데, 아메리카노와 카페라떼를 마셨는데 정말 맛있어요!! 그리고 빵도 정말로 맛있습니다 :D 제가 이곳에서 공부하면서 배달 주문이 엄청 들어와요 그만큼 다른 분들도 많이 주문하는 것 같아요 ㅎㅎ 예상치도 못한 감성 공부를 마치고 저녁을 먹으러 나갔다가 예상치도 못한 감성에..
3장 난수 발생과 카운팅(3.5) 3.5 난수 발생과 카운팅 1. 난수 발생과 카운팅 - 파이썬을 이용하여 데이터를 무작위로 섞거나 임의 수(난수) - 이 기능은 주로 NumPy의 random 서브페키지에서 제공 2. 시드 설정하기 - 컴퓨터 프로그래밍에서 무작위 수는 사실 무작위 수가 아니다. - 정해진 알고즘에 의해 난수처럼 보이는 수열을 생성 - 이런 시작 숫자를 시드(seed)라고 한다. - 일단 생성된 난수는 다음번 난수 생성을 위한 시드값이 된다. - 따라서 시드값은 한 번만 정해주면 된다. - 시드는 보통 현재 시각등을 이용하여 자동으로 정해지지만 사람이 수동으로 설정할 수 있다. - 특정한 시드값이 사용되면 그 다음에 만들어지는 난수들은 모두 예특할 수 있음 - 이 책에서는 코드의 결과를 재현하기 위해 항상 시드를 설정한다..
3장 기술 통계(3.4) 3.4 기술 통계 1. 기술 통계 - 넘파이는 다음과 같은 데이터 집합에 대해 간단한 통계를 계산하는 함수를 제공 - 이러한 값들은 통틀어 기술 통계(descirpitive statistics)라고 한다. - 데이터의 개수 - 평균 - 분산 - 표준 편차 - 최댓값 - 최솟값 - 중앙값 - 사분위수 x = np.array([18, 5, 10, 23, 19, -8, 10, 0, 0, 5, 2, 15, 8, 2, 5, 4, 15, -1, 4, -7, -24, 7, 9, -6, 23, -13]) # 데이터의 개수 len(x) # 갯수 # 결과 26 # 표본 평균 np.mean(x) # 결과 4.8076923076923075 # 표본 분산 np.var(x) # 결과 115.23224852071006 np.var..
3장 배열의 연산(3.3) 3.3 배열의 연산 1. 백터화 연산 - 앞서 넘파이가 백터화 연산을 지원한다고 이야기 함. - 백터화 연산을 쓰면 명시적으로 반복문을 사용하지 않아도 배열의 모든 원소에 대해 반복연산이 가능 - 백터화 연산의 또다른 장점은 선형 대수 공식과 동일한 아주 간단한 파이썬 코드를 작성할 수 있음. - 예를 들어 선형 대해수에서 두 벡터의 합은 다음과 같이 구함. - (그림 참고) - 만약 백터화 연산을 사용하지 않으면 반복문을 사용하여 다음과 같이 만들어야 한다. - 이 코드에서 %%time은 셀 코드 실행시간 측정하는 아이파이썬 매직 명령이다. x = np.arange(1, 10001) y = np.arange(10001, 20001) %%time z = np.zeros_like(x) for i in ra..

티스토리툴바