목록SESAC LLM 개발자 강의/ML 머신러닝 (4)

잇연

[sesac LLM] day32-240216 ML 하이퍼파라미터 조정 방법, Encoding

오늘의 학습 목표 : 하이퍼파라미터 조정방법을 알아보자./ Label-Encoding, One-hot Encoding을 알아보자목차 Hyperparameter-optimization 의 개념Hyperparameter-optimization 실습(1) 수동튜닝(2) GridSearchCV(3) RandomSearchCV(4) Optuna(5) RaytuneEncodingHyperparameter Optimization의 개념하이퍼파라미터 최적화하이퍼파라미터 최적화(Hyperparameter Optimization)는 머신러닝 모델의 성능을 최대화하기 위해 최적의 하이퍼파라미터를 찾는 과정을 말한다. 하이퍼파라미터는 모델 학습 전에 설정되는 파라미터로, 학습 과정 자체에 의해 조정되지 않는다. 하이퍼파라미터..
SESAC LLM 개발자 강의/ML 머신러닝 2024. 2. 16. 15:46
[sesac LLM] day31-240215 기계학습(Machine Learning) 기초개념, 의사결정모델

목차기계학습정의기계학습의 3가지 타입 - 지도학습, 비지도학습, 강화학습회귀와 분류클러스터링머신러닝의 전체과정머신러닝의 종류머신러닝실습- 결정트리분류기(DecisionTreeClassifier)EDA실습머신러닝실습- 결정트리회귀기(DecisionTreeRegressor)기계학습정의- 프로그래밍 : 데이터, 알고리즘 -> 컴퓨터 -> 출력결과- 기계학습 : 데이터, 출력결과 -> 컴퓨터 -> 알고리즘 인공지능 : 컴퓨터가 사람처럼 생각하고 판단하게 만드는 기술머신러닝 : 인간의 학습능력과 같은 기능을 컴퓨터에 부여하기 위한 기술딥러닝 : 인공지능 신경망을 기반으로 한 머신러닝 방법론 중 하나기계학습 (Machine Learning 머신러닝)의 3가지 타입지도학습 (Supervised Learning)레이블..
SESAC LLM 개발자 강의/ML 머신러닝 2024. 2. 15. 15:43
[sesac LLM] day30-240214 과제

과제에 대해서 중요한 내용들 공부import pandas as pdimport seaborn as snsdf = sns.load_dataset("titanic")df.head()타이타닉 데이터셋을 불러온다. 문제 1. 행과 열의 갯수를 출력한다.-> 행과열은 shape으로 나타낼 수 있다. df.shape 해주면 행과 열의 개수가 나온다. 문제2. 결측치 수 세기->결측치는 isnull로 확인할 수 있는데, df.isnull()을 해주면 null값인지 아닌지 True, False의 결과가 나온다.-> 따라서 df.isnull().sum()을 해줘야 결측치 개수가 나온다. 문제3. alive 의 컬럼의 값을 그룹화해서 세어준다.-> groupby().size를 통해 그룹화하거나 value_count를 활용..
SESAC LLM 개발자 강의/ML 머신러닝 2024. 2. 14. 17:30
[sesac LLM] day28-240208 판다스 활용 방법: 타입 변환부터 데이터 전처리까지

학습내용/목표학습내용/목표Pandas, Numpy, Seaborn, Matplotlib 라이브러리를 활용한 데이터 시각화 및 통계 분석데이터 읽기 및 시각화된 자료 분석 방법 습득수치형 자료와 범주형 자료 분석 방법 학습다양한 Plot 활용 방법 학습 (snsplot 등)코로나 데이터 분석을 통한 수치형 자료, 시계열 자료 분석 실습 Mpg Dataset을 바탕으로 pandas, numpy, seaborn, matplotlib 실습1. 데이터 불러오고 확인하기1.1임포트하기#importimport pandas as pd# pandas 라이브러리를 pd라는 이름으로 임포트한다. #pandas는 데이터 분석을 위한 핵심 라이브러리로, 데이터프레임이라는 효율적인 데이터 구조를 제공한다.import seabor..
SESAC LLM 개발자 강의/ML 머신러닝 2024. 2. 8. 13:32
이전 Prev 1 Next 다음