반응형

딥러닝 5

[빅데이터 분석 기획] 빅데이터와 인공지능

1. 인공지능과 빅데이터 개념 인공지능(Artifitial intelligence, AI)은 인간의 학습, 추론, 지각 능력을 인공적으로 구현하는 컴퓨터과학 분야 중 하나이다. 빅데이터란 기존 DBMS(데이터베이스 관리 시스템)의 능력을 넘어서는 대량의 정형 또는 비정형 데이터로부터 가치를 추출하고 결과를 분석하는 기술이다. 2. 인공지능 탄생과 빅데이터의 관계 1940년대 후반과 1950년대 초반에 다양한 영역의 과학자들에게서 인공적인 두뇌의 가능성을 논의하였다. 1956년에 다트머스 컨퍼런스에서 "학습의 모든 면 또는 지능의 다른 모든 특성로 기계를 정밀하게 기술할 수 있고 이를 시물레이션 할 수 있다."라는 주장과 함께 인공지능(AI)이 탄생하였다. 하지만 컴퓨팅 능력의 한계를 비롯한 다양한 이유로..

Keras를 이용한 RNN - 인터넷 영화 리뷰로 감정 분류 학습

인터넷 영화 리뷰 데이터(IMDB) 구조 파악 코드 from keras.datasets import imdb (x_train, y_train), (x_test, y_test) = imdb.load_data() print("결과 종류:",max(y_train)+1) #0은 부정, 1은 긍정 len_result = [len(s) for s in x_train] print(len_result) word_to_index = imdb.get_word_index() index_to_word={} for key, value in word_to_index.items(): index_to_word[value] = key cnt=0 for iv in X_train[0]: print(index_to_word[iv],end=..

Keras를 이용한 CNN, 손글씨 인식 소스 코드

import keras from keras import models, layers from keras import backend from keras import datasets batch_size = 128 epochs = 10 num_classes = 10 #데이터 로딩 (x_train, y_train), (x_test, y_test) = datasets.mnist.load_data() img_rows, img_cols = x_train.shape[1:] if backend.image_data_format() == 'channels_first': x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols) x_test = x_test.resha..

Keras를 이용한 딥러닝 시작, ANN-DNN, 손글씨 인식시키기

#데이터 로딩 import numpy as np from keras import datasets data_train,data_test = datasets.mnist.load_data() image_train, label_train = data_train image_test, label_test = data_test #데이터 정제화 from keras.utils import np_utils label_train2 = np_utils.to_categorical(label_train) print(label_test[0]) label_test2 = np_utils.to_categorical(label_test) print(label_test2[0]) length,weight,height = image_train..

머신러닝 및 딥러닝에 사용하는 손글씨 데이터 mnist 다운로드 및 구조 분석하기

#mnist 다운로드 및 분석 import numpy as np from keras import datasets data_train,data_test = datasets.mnist.load_data() image_train, label_train = data_train image_test, label_test = data_test print("image_train의 구조:",image_train.shape) print("label_train의 구조:",label_train.shape) print("image_test의 구조:",image_test.shape) print("label_test의 구조:",label_test.shape) colcnt = len(image_train[0]) rowcnt = le..

반응형