반응형 sklearn5 파이썬,리액트,머신러닝을 이용한 소규모 프로젝트 기본세팅[2부] 안녕하세요. 오늘은 파이썬,리액트,머신러닝을 이용한 소규모 프로젝트 기본세팅[2부] 시작하겠습니다. 1.React 테스트 정상적으로 리액트가 설치가 되었는지 실행해보겠습니다.터미널에서 cd 명령어를 이용하여 리액트 디렉토리로 이동합니다.pwd로 현재 위치를 확인 후 정상적으로 리액트 디렉토리로 이동이 완료되었으면, 리액트 실행 명령어를 입력해줍니다.리액트 실행 명령어 npm start 입력하면 http://localhost:3000/ 주소가 자동으로 실행되며 아래와 같은 페이지가 나타납니다. 2. FastAPI 테스트pycharm 우상단에 실행버튼을 눌러줍니다. 위 이미지와같이 나타나면 실행이 완료된겁니다.http://127.0.0.1:8000/ 주소로 들어갑니다. 이렇게 "Hello World" .. 2024. 12. 9. 머신러닝? 딥러닝? 차이점은? 안녕하세요. 오늘은 최근에 AI분야 관련하여 이슈되고있는 머신러닝과 딥러닝의 차이를 알아보겠습니다. Python에서 머신러닝과 딥러닝의 차이를 간단히 설명하자면,머신러닝은 데이터에서 패턴을 학습하여 예측 모델을 생성하는 분야이며,딥러닝은 머신러닝의 한 하위 분야로 신경망(특히 딥 뉴럴 네트워크)을 사용하여 보다 복잡한 데이터와 문제를 다룹니다. 이 두 기술의 차이를 Python의 Sklean을 이용한 머신러닝과 TensorFlow를 이용한 딥러닝과 같은 라이브러리 관점에서 살펴보겠습니다. Python에서 Scikit-learn을 이용한 머신러닝과 TensorFlow를 이용한 딥러닝의대표적인 차이는 크게 모델 구조, 데이터 요구 사항, 계산 비용, 코드 구현의 복잡성에서 드러납니다. 1. 모델 구조Scik.. 2024. 11. 22. python을 이용한 머신러닝과 딥러닝은 뭐가 다를까? 안녕하세요, 오늘은 python을 이용한 머신러닝과 딥러닝에 차이점에 대해 알아보겠습니다. Python에서 Scikit-learn을 이용한 머신러닝과 TensorFlow를 이용한 딥러닝의 대표적인 차이는 크게 모델 구조, 데이터 요구 사항, 계산 비용, 코드 구현의 복잡성에서 드러납니다. 아래에 주요 차이점을 정리했습니다. 1. 모델 구조Scikit-learn (머신러닝): 대부분의 알고리즘이 선형 회귀, 결정 트리, K-최근접 이웃(KNN), 서포트 벡터 머신(SVM) 등 전통적인 머신러닝 알고리즘을 사용합니다. 이들은 일반적으로 구조가 간단하고 파라미터가 적은 편입니다.TensorFlow (딥러닝): 딥러닝은 다층 신경망을 활용하여 복잡한 문제를 해결합니다. 기본 구조는 신경망이고, 이미지 처리, 음.. 2024. 11. 12. 빅데이터분석기사) 빅분기 실기 체험 제2유형 안녕하세요 오늘은 빅데이터분석기사 실기시험에 대비하여 빅분기 실기 체험 제2유형을 풀어보겠습니다. https://dataq.goorm.io/exam/3/%EB%B9%85%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B6%84%EC%84%9D%EA%B8%B0%EC%82%AC-%EC%8B%A4%EA%B8%B0-%EC%B2%B4%ED%97%98/quiz/4 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/edu.goorm.io 위 URL로 접속하여 체험이 가능합니다. 문제 풀이 및 주석은 아래와 같습니다. i.. 2024. 11. 1. train_test_split의 파라미터에서 stratify는 언제 사용할까? 안녕하세요,오늘은 모델의 성능을 평가하기 위해 훈련 데이터와 테스트 데이터를 분할하는 데 사용되는 함수인train_test_split()와 그 파라미터인 stratify에 대하여 알아보겠습니다. train_test_split란?데이터셋을 train 데이터와 test 데이터로 분할하는 데 사용되는 함수입니다.주로 모델의 성능을 평가하기 위해 데이터를 나눌 때 사용하며 Python의 머신러닝 라이브러리인 Scikit-Learn에서 제공됩니다. - 주요 목적train 데이터는 모델을 학습시키기 위해 사용하고, test 데이터는 학습된 모델이 새로운 데이터에 대해 얼마나 잘 일반화되는지 평가하기 위해 사용합니다.데이터를 훈련과 테스트로 분리하면, train 데이터에만 최적화된 모델이 되는 것을 방지하고 새로운 .. 2024. 11. 1. 이전 1 다음 반응형
