TwentyTwentyOne

📌 JAX로 CNN(합성곱 신경망) 구현 - 손글씨 이미지 분류 (MNIST)🚀 JAX를 활용한 CNN 모델 만들기이전 글에서는 JAX를 사용하여 MLP를 구현하여 MNIST 손글씨 데이터를 분류했습니다.이번 글에서는 **합성곱 신경망(CNN)**을 사용하여 성능을 더욱 향상시키겠습니다.💡 1. CNN의 핵심 개념CNN은 이미지 데이터를 처리하기 위해 개발된 신경망 구조로, 주요 구성 요소는 다음과 같습니다:합성곱 층 (Convolutional Layer): 필터를 사용하여 이미지 특징을 추출풀링 층 (Pooling Layer): 특성 맵의 크기를 줄여 계산량 감소완전 연결 층 (Fully Connected Layer): 분류를 위한 최종 계층📝 2. 데이터셋 준비이전과 동일하게 tensorflo..

📌 JAX를 활용한 신경망 모델 구축 - MLP를 이용한 손글씨 인식 (MNIST)🚀 JAX로 신경망 모델 만들기이전 글에서는 JAX의 자동 미분과 JIT 컴파일의 기본 사용법을 배웠습니다.이번에는 이를 활용하여 간단한 다층 퍼셉트론(MLP) 모델을 구축하여 손글씨 데이터(MNIST)를 분류해보겠습니다.📝 1. 데이터셋 준비💾 MNIST 데이터 불러오기JAX에서는 직접 데이터를 불러와야 하므로 tensorflow_datasets를 사용하여 데이터를 로드합니다.pip install tensorflow-datasetsimport tensorflow_datasets as tfdsimport jax.numpy as jnp# MNIST 데이터 불러오기ds = tfds.load('mnist', split='..

🌱 현대 인공지능 학습 1단계: 기초 데이터 분석📅 학습 기간: 1~3개월🎯 학습 목표: 데이터 수집과 전처리 능력 함양📝 1. 데이터 분석의 중요성현대 인공지능의 핵심은 데이터를 기반으로 모델을 학습하는 것입니다.데이터를 수집하고 정제하여 인사이트를 도출하는 과정은 AI 프로젝트의 성공을 좌우합니다.이번 글에서는 Python을 활용한 기초 데이터 분석 방법과 실습 프로젝트를 소개합니다.📌 1-1. 데이터 수집데이터를 수집하는 방법에는 여러 가지가 있습니다.파일에서 불러오기 (CSV, Excel 등)웹 크롤링 (BeautifulSoup, Selenium)공공 데이터 API 활용데이터베이스에서 직접 가져오기🔑 1) CSV 파일 읽기CSV 파일은 가장 많이 사용되는 데이터 형식 중 하나입니다.Py..

📌 JAX의 핵심 기능 - 자동 미분과 JIT 컴파일로 성능 극대화🚀 JAX의 핵심 기능 둘러보기JAX는 다양한 기능을 제공하지만, 특히 **자동 미분(Automatic Differentiation)**과 **JIT 컴파일(Just-In-Time Compilation)**이 가장 중요한 요소입니다.이 두 가지 기능을 깊이 이해하면 JAX를 활용하여 고성능 모델을 구축할 수 있습니다.💡 1. 자동 미분 (Automatic Differentiation)자동 미분은 수학 함수의 미분을 기계적으로 계산하는 기법으로,기계 학습 모델의 학습 단계에서 필수적인 **기울기 계산(Gradient Calculation)**에 사용됩니다.✅ 자동 미분의 장점수학적 유도 불필요: 복잡한 미분 공식을 직접 계산할 필요가 ..

🌱 현대 인공지능 학습 1단계: 기초 수학 및 선형대수📅 학습 기간: 1~3개월🎯 학습 목표: AI 알고리즘을 위한 수학적 기초 확보📝 1. 기초 수학의 필요성인공지능과 머신러닝을 다루기 위해서는 수학적 개념이 필수입니다.특히 미분, 선형대수, 확률과 통계는 딥러닝 모델과 최적화 알고리즘을 이해하는 데 중요한 역할을 합니다.이번 글에서는 인공지능의 기초 수학 개념과 실습을 중심으로 학습합니다.📌 1-1. 미분과 적분🔑 1) 미분의 개념과 활용미분은 함수의 변화율을 구하는 연산입니다.딥러닝 모델의 손실 함수 최적화에서 경사하강법(Gradient Descent)을 통해 가중치를 업데이트할 때 사용됩니다.예시:손실 함수 L(w)L(w)를 미분하여 기울기를 구함으로써 최소값을 찾습니다.dLdw=lim..

🌱 현대 인공지능 학습 1단계: 기초 프로그래밍 (Python)📅 학습 기간: 1~3개월🎯 학습 목표: Python 기본 문법과 자료 구조 이해📝 1. Python 기본 개념 정리인공지능(AI)을 공부하기 위해 가장 먼저 익혀야 할 언어는 Python입니다.Python은 간결한 문법과 강력한 라이브러리 생태계로 인해 AI와 데이터 분석 분야에서 널리 사용됩니다.📌 1-1. Python 기본 문법🔑 1) 변수와 데이터 타입변수는 데이터를 저장하는 공간입니다. Python에서는 변수 타입을 명시하지 않고도 자유롭게 사용할 수 있습니다.예시 코드:# 변수 선언과 데이터 타입name = "Alice" # 문자열age = 25 # 정수height = 1.68 ..

📌 JAX 기초 - 왜 JAX를 배워야 할까?🚀 JAX란 무엇인가?JAX는 Google에서 개발한 고성능 수치 계산 라이브러리로, GPU와 TPU를 활용하여 대규모 데이터를 빠르게 처리할 수 있는 특징을 가지고 있습니다.Python의 Numpy와 유사한 문법을 가지고 있어 직관적이면서도 강력한 성능을 제공합니다.💡 JAX의 주요 특징자동 미분 (Automatic Differentiation)JAX는 grad() 함수를 통해 매우 간단하게 미분을 수행할 수 있습니다.딥러닝 모델 학습 시 필수적인 기울기 계산이 간편합니다.JIT 컴파일 (Just-In-Time Compilation)JIT을 사용하여 성능을 크게 향상시킬 수 있습니다.반복되는 연산을 GPU 또는 TPU에서 빠르게 처리할 수 있습니다.함수..

1. 현재 Linux 버전 확인 2. python download wget https://www.python.org/ftp/python/3.10.13/Python-3.10.13.tgz 2-1 패키지 설치sudo apt install libssl-dev libncurses5-dev libsqlite3-dev libreadline-dev libtk8.6 libgdm-dev libdb4o-cil-dev libpcap-dev 3. 압축 풀기tar -xvf Python-3.10.13.tgz 4. 이동cd Python-3.10.13/ 5. Configure./configure 5-1 . Error : configure: error: no acceptable C compiler found in $PATH sudo a..

class F1Score(tf.keras.metrics.Metric): def __init__(self, name='F1Score', **kwargs): super(F1Score, self).__init__(name=name, **kwargs) self.f1score = self.add_weight(name='F1Score', initializer='zeros') self.count = self.add_weight(name='F1ScoreCount', initializer='zeros') def update_state(self, y_true, y_pred, sample_weight=None): y_true = tf.cast(y_true, tf.bool) y_pred = tf.cast(y_pred, tf...

개요 개발할때 필요한 이름이 들어간 데이터를 빈번히 수동으로 입력하는 불편함을 해소 하기위한 방법을 고민하던중 첫번째로 이름을 무작위로 생성하는 시뮬레이터를 만들어보기로 했다. 전자가족관계등록시스템에서 제공하는 통계데이터를 활용하였다. 이름의 경우 서울특별시를 기준으로 2008년,2012년,2022년 , 3년도의 데이터를 다운로드받아 사용하였다. 상위 출생신고 이름 현황 링크 가족관계등록부상 성씨 현황 링크 github 링크 1. 개발환경 세팅 OS : window 64bit python 3.10.x Editor : vscode + python extention python-packages : pandas 1. 디렉토리 만들기 먼저 디렉토리 및 파일들을 만들어 주겠습니다. simulator 라는 최상위 ..