분류 전체보기116

• 

  [python-웹크롤링] 셀레니움(Selenium) 설치 / 크롬 드라이버(chromedriver) 설치 📌 셀레니움 (Selenium) 설치 # pip pip install selenium # conda 환경 conda install selenium # jupyter-notebook pip !pip install selenium 위 3가지 중 하나 선택해서 설치하면 됨. 📌 크롬 드라이버 ( chromedriver ) 설치 Selenium을 사용해서 웹 자동화를 하려면 웹 드라이버(webdriver)를 설치해야 한다. 자신의 브라우저에 맞게 다운하면 됨. (이 글에서는 Chrome의 경우를 다룸) 👉 1. Chrome 정보 확인 우선 자신의 Chrome 버전을 확인해야 한다. 크롬 실행 -> 오른쪽 위 점 3개 클릭 -> 도움말 -> Chrome 정보 클릭 위와 같이 자신의 Chrome 버전을 확인 가능... Back-End/Python 2022. 9. 21.

• 

  [정리/모두를 위한 딥러닝] ML lec 04 - multi-variable linear regression (*new) https://youtu.be/kPxpJY6fRkY Sung Kim 교수님의 '모두를 위한 딥러닝 강좌 시즌 1'을 공부한 내용입니다. 📌 ML lec 04 - multi-variable linear regression (*new) 우선 지난 강의에서 다룬 것 처럼 Linear regression을 설계하기 위해선 위의 3가지가 필요하다. 1. Hypothesis를 정한다. -> 주어진 x variable에 대한 W(=weight), b(=bias)를 학습한다. 2. W와 b를 학습하는데 있어서, cost(loss)를 어떻게 계산할 것인지를 정한다. -> (예측값 - 정답)^2의 합의 평균 3. cost를 최적화하는 알고리즘으로 gradient descent algorithm을 사용한다. -> cost를.. ML & DL/[강의] 모두를 위한 딥러닝 강좌 시즌 1 2022. 9. 15.

• 

  [정리/모두를 위한 딥러닝] ML lec 03 - Linear Regression의 cost 최소화 알고리즘의 원리 설명 https://youtu.be/TxIVr-nk1so Sung Kim 교수님의 '모두를 위한 딥러닝 강좌 시즌 1'을 공부한 내용입니다. 📌 ML lec 03 - Linear Regression의 cost 최소화 알고리즘의 원리 설명 우선 지난 강의에서 다룬 것 처럼 우리의 hypothesis가, 대략 우리의 모델이 위와 같이 wx+b 형태로 주어지고, 이를 기반으로 cost function, 즉 우리가 가지고 있는 모델이 실제 데이터와 얼마나 다른지,같은 지를 위와 같이 정했다. -> linear regression의 목표는 cost를 최소화시키는 w와 b를 데이터를 통해 구하는 것이다. Simplified hypothesis 앞으로의 설명을 쉽게 하기 위하여, hypothesis에서 b 를 없앴다. h.. ML & DL/[강의] 모두를 위한 딥러닝 강좌 시즌 1 2022. 9. 14.

• 

  [정리/모두를 위한 딥러닝] ML Lec 02 - Linear Regression의 Hypothesis와 cost 설명 https://youtu.be/Hax03rCn3UI Sung Kim 교수님의 '모두를 위한 딥러닝 강좌 시즌 1'을 공부한 내용입니다. 📌 ML lec 02 - Linear Regression의 Hypothesis 와 cost 설명 Linear Regression 의 개념 (선형회귀) Regression(회귀) : supervised learning 중에서도 레이블(=클래스)이 아닌 연속적인 값을 예측하는 문제 위의 데이터를 예시로 들면, 사람의 키(x)가 160cm일때 몸무게(y)는 몇 kg일지 그 값을 예측하는 것이다. 여기서 x를 독립변수(input), y를 종속변수(output)라고 하는데 🤷‍♀️ x 변수들과 y 변수와의 관계를 선형으로 나타낼 수 있다면? => Linear regression이.. ML & DL/[강의] 모두를 위한 딥러닝 강좌 시즌 1 2022. 9. 13.

• 

  [Python-웹 크롤링] BeautifulSoup으로 wikidocs 목차 파싱하기 Why 노션에 스터디 플래너를 만들어 사용하고 있는데, 공부하려는 위키독스 책의 목차를 예쁘게 넣고 싶었음 (링크랑 함께!) 파싱하려는 위키독스 도서 : 'PyTorch로 시작하는 딥러닝 입문' (https://wikidocs.net/book/2788) How BeautifulSoup 라이브러리를 사용했다. 1. 패키지 import import requests from bs4 import BeautifulSoup as bs (사용 전에 pip로 requests랑 bs4 install 해야함) 2. url 파싱 wikidocs = requests.get("https://wikidocs.net/book/2788") # requests.get()을 톻해 원하는 url로 GET요청을 보내고, 요청한 데이터를 변.. Back-End/Python 2022. 9. 8.

• [javascript] Form data를 json 객체로 저장하는 법 참고 사이트 javascript : FormData (HTML5 개체)를 JSON으로 변환하는 방법 HTML5에서 항목을 어떻게 변환합니까?폼 다타JSON의 개체? 해결책은 jQuery를 사용하지 않아야합니다. 또한 단순히 전체를 직렬화해서는 안됩니다폼 다타개체,하지만 키 /값 항목 만. www.python2.net ajax로 formData를 보낼때 json 객체로 바꿔서 보내고 싶다면?! var object={}; //formData를 json 객체로 바꿔줌. formData.forEach(function(value,key){ object[key]=value; }); console.log(JSON.stringify(object)) $.ajax({ type: "POST", url: 'do_select_.. Front-End/Javascript 2022. 9. 7.

• 

  [pandas] Dataframe 행 위,아래로 옮기기 : shift() pandas.DataFrame.shift() DataFrame.shift(periods=1, freq=None, axis=0, fill_value=NoDefault.no_default) Parameters) periods : int (음수 or 양수) 움직일 기간 freq : DateOffset, tseries.offsets, timedelta, or str, optional 데이터를 재정렬하지 않고(=원본 데이터 보존) 인덱스 값을 이동하는 데 사용되는 선택적 매개 변수 axis : {0 or ‘index’, 1 or ‘columns’, None}, default None shift 할 방향 (행/열) fill_value : object, optional 결측값이 생기는 경우 대체할 값. pandas의.. ML & DL/데이터 분석 2022. 6. 2.

• [Django] 02. REST framework로 Django API 만들기 - serializer 1탄 링크 : https://uni2237.tistory.com/84?category=830394 [Django] 01. REST framework로 Django API 만들기 다른 게시물(아래 링크 참고)에서 Django 기본 프로젝트 만들기를 해보았으니, 이번 글에서 초기설정은 간단히 진행하겠습니다 (거의 비슷함!!) https://uni2237.tistory.com/71?category=830394 [Django] 01. Dja.. uni2237.tistory.com 지난 글에서 django 프로젝트를 생성하고, app도 만들었으니 이번엔 api 를 만들자! 0. model 생성 api를 만들기 전 다음 글을 참고하여 models.py에 원하는 db 테이블들을 추가한다. (링크) 완료했다면 시작!!.. Back-End/Django 2021. 10. 5.

• 

  [python] Pandas 기초 pandas 구조화된 데이터 효과적으로 처리 numpy의 array가 보강된 형태 , data 와 index 가짐 Series 1차원 다룸, Series 는 값(values)을 ndarray형태로 가짐. import pandas as pd data = pd.Series([1,2,3,4]) print(data) ''' 0 1 1 2 2 3 3 4 ''' print(type(data)) # print(data.values) # [1 2 3 4] print(type(data.values)) # dtype인자로 데이터 타입 지정가능 data = pd.Series([1,2,3,4],dtype="float") print(data.dtype) #float64 인덱스를 지정가능 , 인덱스로 접근 가능 data = pd.. ML & DL/데이터 분석 2021. 10. 3.

• [python] Numpy 기초 Numpy 👉 Python에서 대규모 다차원 배열 다룰 수 있게 도와주는 라이브러리 장점 - 반복문 없이 배열 처리 가능 - list 보다 빠른 연산 , 메모리 효율적 사용 list vs numpy 배열 생성 - list arr=list(range(3)) print(arr) # [0,1,2] -> 콤마(,)로 구분됨 print(type(arr)) # - numpy import numpy as np arr=np.array(range(3)) # np.arange(3)도 같은 결과 print(arr) # [0 1 2] -> 공백으로 구분 print(type(arr)) # 배열의 '데이터의 타입' dtype (list와 달리 같은 데이터 타입만 저장 가능) arr=np.array([0,1,2], dtype=fl.. ML & DL/데이터 분석 2021. 9. 28.

• 

  [python] 웹페이지 크롤링 기초 urllib : Python에서는 쉽게 웹페이지의 정보를 가져올 수 있는 패키지 urllib.request.urlopen 함수 : 해당 url의 html 파일을 가져옴 from urllib.request import urlopen webpage=urlopen('https://www.naver.com/').read().decode('utf-8') print(webpage) - 실행결과 (일부) ML & DL/데이터 분석 2021. 9. 28.

• 

  m1 맥북 화면 녹화 (에어팟으로 소리 들으면서 동영상 소리 녹화 가능) https://namsieon.com/5376 맥북 화면녹화 퀵타임으로 소리까지 녹음하는 방법 (Blackhole 이용) M1 맥북의 운영체제는 Big Sur입니다. 맥북에서는 보통 퀵타임 플레이어로 화면 녹화를 많이들 진행하는데, 여러가지로 유용하지만, 한가지 아쉬운점은 맥북에서 나오는 사운드가 자체적으로는 namsieon.com 참고영상 1. homebrew 로 blackhole 설치 blackhole 공식 홈페이지 github (https://github.com/ExistentialAudio/BlackHole) # Install via Homebrew: 2ch: brew install blackhole-2ch 16ch: brew install blackhole-16ch 2ch는 소리 녹화가 안된다는.. 일상 2021. 9. 8.