seoyun seoyun

[이미지 처리]* 이미지- 아날로그와 디지털- Pixel(picture element)= 이미지의 최소 해상도 단위이며 화소라고도 함= 일종의 작은 타일 형태의 네모 칸(픽셀)들이 각각 섹의 정보를 '수'의 형태로 저장= 컴퓨터에서 이러한 픽셀을 사용한 이미지를 비트맵 이미지라 하며 파일의 확장자로는 bmp, gif, jpeg 등= 픽셀 크기가 증가할 수록 고해상도 이미지가 되고, 결국 파일 용량이 커짐= 작은 이미지를 확대할 경우 픽셀의 각진 형태가 두드러져 보이는 단점   - 행렬 in 선형대수학= 영상을 행렬이라고 간주할 수 있음= 빠른 속도로 처리 가능

https://learn.microsoft.com/ko-kr/credentials/certifications/azure-ai-fundamentals/?practice-assessment-type=certification Microsoft Certified: Azure AI Fundamentals - CertificationsAI 솔루션을 만들기 위한 Microsoft Azure의 소프트웨어 및 서비스 개발과 관련된 기본 AI 개념을 보여 줍니다.learn.microsoft.com  방금 AI 900 자격증 시험을 보고 합격했다.점수가 바로 나온다.    간당간당하게 합격했다.ㅋㅋ     이렇게 합격증도 나온다.공부는... 어제 밤에 문제 답 먼저 체크하고좀 훑어봤고오늘 학교에서 수업 중에 좀 훑어봤다.그..

정보처리산업기사 2024년 2회 필기에 합격했다.1회는 병원에 있어서 신청을 하지 못했고2회를 신청하게 되었다.학교에 졸작에 여러가지를 같이 진행하느라공부를 정말 별로 하지 못했는데 합격해서 다행이다...아직 합격자 발표는 안나왔는데시험 바로 치고 나온 가채점 결과로는 608085해서 평균 75점이다.  공부한 시간은 약 일주일 정도??사실 다른 정처산기 블로그 후기글만 엄청 찾아봤는데정보처리기사보다 난이도가 훨 낮기도 하고다들 빨리 합격하길래 마음을 놓고 있다가 후다닥 공부했다.사실 공부한 시간은 일주일도 안될 것 같다.3일..? 5월 19일 일요일에 시험을 봤는데  그래도 전날은 거의 밤을 새면서 공부를 하고 갔다.  책은 시나공으로 선택했다.이유는 딱히 없고 그냥 유명하길래..사람들이 수제비 카페도..

1. 플로팅 현상의 풀업과 풀다운에 대해서 설명하시오 - 풀다운: 입력 핀의 전압을 평상 시 high 한쪽에 고정시켜줘야 한다. 버튼이 안눌렸을 때 입력 핀과 그라운드 핀이 저항을 사이에 두고 연결된다. 평상 시 입력 핀에 흐르는 작은 전류가 모두 그라운드 핀으로 빠져나가 입력 핀의 전입이 low가 된다. - 풀업: 입력 핀의 전압을 평상 시 high에 고정시키는 것이다. 평상 시 5v 전원핀과 입력핀이 중간에 저항을 두고 연결된다. 풀다운 때와 마찬가지로 10k 옴 정도의 큰 저항이 사용된다. 5v 전원 핀과 연결되어 있기 때문에 전압은 high가 된다. 2. 아두이노는 대표적인 오픈소스 하드웨어 입니다. 오픈소스 하드웨어에 대해서 기술하시오. - 하드웨어 설계도를 다른 사람이 자유롭게 보고 수정할 수..

[1. 개념 설명] 1> 웹 프로그래밍: HTTP 프로토콜로 통신하는 클라이언트와 서버를 개발하는 것  2> HTTP: 웹 서버와 웹 클라이언트 사이에서 데이터를 주고 받기 위해 사용하는 통신망으로 TCP/IP 프로토콜 위에서 동작한다.   3> GET 방식과 POST 방식- GET 방식: 서버로부터 정보를 조회하기 위해 설계된 메서드.요청을 전송할 때 필요한 데이터를 Body에 담지 않고, 쿼리스트링을 통해 전송한다.쿼리스트링이란 URL 의 끝에 ? 와 함께 이름과 값으로 쌍을 이루는 요청 파라미터를 뜻한다.  - POST 방식: 리소스를 생성/변경하기 위해 설계된 메서드. 전송해야 할 데이터를 HTTP 메서지의 body에 담아서 전송한다.길이의 제한 없이 데이터를 전송할 수..

* 샘플로 구성되는 데이터셋 - 기계 학습이 사용하는 데이터는 여러 개의 샘플을 담고 있어서 데이터셋(data set)이라 부르기도 함 * 특징으로 구성되는 특징 벡터 (feature vector) * DESCR은 iris 데이터셋에 대한 설명문 제공 - 특징벡터에 있는 특징별로 간단한 통계량을 보여주고 데이터를 수집한 시기와 사람 등 정보 제공 * 데이터 로딩 후 내용 출력 * iris 내용 확인 * 샘플을 특징 벡터와 레이블로 표현 - 특징 벡터는 x로 표기 - d 는 특징의 개수로서 특징 벡터의 '차원'이라 부름 - 오른쪽 표에서 xd - 즉, 하나의 샘플은 d개의 특징을 갖는 '특징 벡터'로 표현 - 여러 개의 샘플: X1, X2, ..., X150 - 즉, 샘플 1개는 d개의 차원으로 구성 - ..

[인공지능 개발에 많이 쓰는 라이브러리] * 사이킷런 - 분류, 회귀, 군집화, 차원 축소 등의 고전적인 기계 학습을 지원하는 라이브러리 - SVM, 결정트리, 랜덤포레스트, k-nn, 얕은 신경망 등을 제공함 - 딥러닝을 지원하지 않고, 고전적인 기계 학습을 지원 * 텐서플로 - 구글에서 개발한 딥러닝을 지원하는 대표적인 라이브러리 - 컨볼루션 신경망, 순환 신경망, 강화 학습 등 제공 * 케라스 - 텐서플로를 한 단계 추상화한 라이브러리 * 파이토치 - 페이스북에서 개발한 딥러닝 라이브러리 [레모네이드 실습] * 독립변수: 원인이 되는 것 * 종속변수: 결과 * 순서 1. 과거 데이터 준비 2. 모델 구조 제작 3. 모델 학습 4. 모델 예측(이용) import tensorflow as tf impo..

* Iris 데이터를 이용하여 의사결정트리(Decision Tree)를 구현하고새로운 데이터를 예측한 뒤, 정확도를 평가하는 코드이다.  from sklearn import datasetsfrom sklearn import metricsfrom sklearn.tree import DecisionTreeClassifierd = datasets.load_iris()  # 데이터를 읽은 후에,   # 1 데이터 준비# print(d.DESCR)    # 내용 출력#for i in range(0, len(d.data)):   # 샘플 순서대로 출력#  print (i+1, d.data[i], d.target[i])dtree_model = DecisionTreeClassifier(m..