아이 행복해~ 포스팅 밀린거 너무 많다. 시험 끝나고 못 쉴듯...

1. 비지도 학습 비지도 학습으로 k-Means와 Hierarchical Clustering을 사용해 봤다. 가. k-Means fixed: 5 : 이미지를 5가지로 분류 나. Hierachical Clustering 이미지를 분류할 경우에는 Ward를 선택한다고 한다. 2. 실습_비지도 학습 2~3개의 사물을 주제로 합쳐서 20개 사진을 다운로드한다. 이를 분류하도록 비지도 학습을 진행한다. 이미지 다운로드 : 구글 fixed: 2 : 이미지를 2가지 분류 맥주와 소주 이미지를 가지고서 한번 분류하도록 시켜보았다. 오… 생각보다 똑똑한데? 고든 램지도 극찬한 CASS 빼고는 맥주랑 소주로 나눴다. 3. 실습_지도 학습 학습 데이터로 사용된 이미지의 개수와 종류(클래스)의 이름과 수 설명한다. 지도 학습..

1. Test & Score CA : Classification accuracy is the proportion of correctly classified examples. Precision : Precision is the proportion of true positives among instances classified as positive, e.g. the proportion of Iris virginica correctly identified as Iris virginica. Recall : Recall is the proportion of true positives among all positive instances in the data, e.g. the number of sick among a..

1. 설계 프로세스 소프트웨어를 설계한다는 것은 소프트웨어를 본격적으로 개발하기 이전에 소프트웨어의 뼈대를 잡는 과정이다. 소프트웨어를 설계할 때는… 요구사항 명세서의 모든 내용을 포함해야 한다. 이해하기가 쉬어서 구현 또는 테스트로 추적이 가능해야 한다. 유지 보수 시 변경이 용이해야 한다. 가. 상위 설계과 하위 설계 상위 설계 (high-level design) = 아키텍처 설계, 기본 설계, 외부 설계, 예비 설계 시스템 수준에서 소프트웨어 컴포넌트들 간 관계로 구성된 시스템의 전체적인 구조 시스템 구조도, 외부 파일 및 DB 설계도(레코드 레이아웃, ERD), 인터페이스 설계도 등 하위 설계 (low-level design) = 모듈 설계, 상세 설계, 내부 설계 시스템 구성 요소들의 내부 구조..

1. 리스크 관리 리스크란 프로젝트 결과에 심각한 영향을 미치는 잠재된 요소다. 성공적으로 프로젝트를 끝마치기 위해서 리스크에 대비하고 관리할 필요가 있다. 2. 리스크 관리 절차 리스크 식별 리스크 계량화 리스크 우선순위 선정 리스크 관리 계획 리스크 해결 결과 측정 및 문서화 가. 리스크 식별 PM뿐만 아니라 프로젝트에 관련된 모든 인원이 참여한다. 프로젝트가 가진 리스크를 파악하는 단계다. 일반적인 리스크 리스트와 기존 유사 프로젝트 리스크 리스트를 이용한다. 또한 브레인스토밍, 조사(survey), 인터뷰 등으로 리스크를 도출한다. 식별한 리스크들은 고객, 인력, 기술, 환경 등의 카테고리로 분류하여 원인을 식별한다. 나. 리스크 계량화 식별된 리스크 요소들은 실제 발행할 확률과 발생 시 영향력의..

1. 프로젝트 통제와 EVM(Earned Value Management) 가. 프로젝트 통제 프로젝트가 계획대로 수행되고 있는지 지속적으로 확인하고 필요하다면 시정 조치를 취한다. 나. EVM의 개념 ‘성과 가치 관리’ 혹은 ‘획득 가치 관리’라고 한다. 프로젝트 성과와 진행 상황을 객관적으로 측정하는 프로젝트 관리 기법이다. EVM은… 계획 대비 실적을 비교할 수 있다. 프로젝트 진행 단계 중 특정 시점까지 완료된 작업량을 비용화하여 계획된 비용과 비교 평가. 프로젝트가 계획대로 진행되고 있는가에 대한 성과 측정을 가능하게 함. 비용과 시간을 모두 화폐 단위로 통합하여 정량화한다. 프로젝트의 일정, 비용, 작업 완료 상태를 금액으로 환산하여 관리. EV(Earned Value) 개념을 기본으로 프로젝트..

1. CNN 활용 개요 CNN은 주로 컴퓨터 비전에 많이 활용된다. 컴퓨터 비전의 주요 tasks Classification Semantic Segmentation Classification + Localization Object Detection Instance Segmentation 가. 이미지 분류 (Classification) CNN의 가장 기본적인 활용 분야로 지정된 개수의 카테고리로 이미지를 분류한다. 대표적인 학습 데이터로 MNIST와 ImageNet이 있다. MNIST 0~9까지의 손글씨 이미지를 분류한 공개 학습 데이터. 미국의 우편번호 손글씨를 스캔해서 만들었다. 28*28 1채널 (회색) 이미지로 각 픽셀은 0~255의 값을 가진다. 훈련용 이미지 60000장에 검증용 이미지 1000..

1. 연관규칙 2 가. 실습 1 library(arules) library(arulesViz) food