[AI] 인공지능 기초
- 인공지능의 종류 약한 인공지능 (Weak AI) 학습을 통해 문제를 해결 주어진 조건 아래서만 작동 → 사람을 흉내내는 수준 자율자동차, 구글번역, 페이스북 추천 등 구글 AlphaGo, IBM Watson, 아마존 Alexa, Apple Siri 등 강한 인공지능 (Strong AI) 사고를 통해 문제 해결 사람과 같은 지능 (추론, 문제해결, 계획, 의사소통, 감정, 지혜, 양심) 초 인공지능 (Super AI) 창의력을 통해 문제 해결 모든 영역에서 인간을 뛰어넘는 인공지능 - 인공지능(Artificial Intelligence) : 컴퓨터가 인간의 행동을 모방할 수 있게 해주는 기술 - 머신러닝(Machine Learning) : 통계 기법을 사용하여 기계가 학습을 통해 기능을 향상시킬 수 있..
2021. 4. 29.
[Python] Matplotlib
- Matplotilb 기본적인 시각화가 가능한 라이브러리 import matplotlib.pyplot as plt - plot() : 라인을 그릴 때 사용 data = [1, 2, 3, 4, 5, 4, 3, 2, 1] plt.plot(data) plt.show() - 라인 스타일 변경하기 : ls (line style), lw(line width) line style '-' : 실선 '--' : 점선 '-.' : 선과 점의 반복 ':' : 촘촘한 점선 x = [0, 1, 2, 3, 4] y = [1, 2, 3, 4, 5] plt.plot(x, y, ls = '-.', lw = '3') plt.show() - 그래프 크기 조정 plt.figure(figsize = (3, 4)) # 사이즈는 인치 기준 p..
2021. 4. 26.
[Python] Pandas 다루기 - 카테고리 데이터
import pandas as pd # 데이터 생성 ages = [0, 2, 10, 21, 23, 37, 31, 61, 20, 41, 32] # 구간 설정 : 맨 앞을 0으로 하면 0이라는 데이터가 결측값으로 출력되기 때문에 -1 bins = [-1, 15, 25, 35, 60, 99] labels = ['미성년자', '청년', '중년', '장년', '노년'] cats = pd.cut(ages, bins, labels = labels) print(cats) print('') print(type(cats)) # 데이터 프레임 생성 ages_df = pd.DataFrame(ages, columns = ['ages']) ages_df # 데이터 프레임에 카테고리 적용 ages_df['cat'] = cats a..
2021. 4. 26.
[Python] Numpy
- Numpy 빠르고 효율적인 벡터 산술연산을 제공하는 다차원배열(array) 제공 반복문 없이 전체 데이터 배열 연산이 가능한 표준 수학 함수 선형대수, 난수 생성, 푸리에 변환 # 모듈 사용하기 import numpy as np # numpy 모듈을 import하고 앞으로 np라는 이름으로 부른다 - 배열 생성 # 1) 1차원 list = [1, 2, 3, 4, 5] arr = np.array(list) print(arr) arr = np.array([1, 2, 3, 4, 5]) print(arr) print('') # 2) 2차원 arr2 = np.array([[1, 2, 3], [4, 5, 6]]) print(arr2) z1 = np.zeros([4]) # 0 으로 채운 배열 만들기 o2 = np..
2021. 4. 26.
