총 34개
-
머신러닝 개요 및 Google Colab, Jupyter Notebook 기초 실습2025.12.111. 머신러닝의 개념 및 분류 머신러닝은 컴퓨터가 데이터로부터 스스로 학습하여 패턴을 발견하고 예측하는 인공지능의 한 분야입니다. 인공지능의 하위 집합이며, 딥러닝은 머신러닝의 한 방법론입니다. 머신러닝은 지도학습(정답 데이터 제공), 비지도학습(패턴 발견), 강화학습(보상 최대화)으로 나뉩니다. 지도학습은 분류와 회귀 문제에 사용되며, 비지도학습은 군집화와 차원 축소에 사용됩니다. 2. 지도학습(Supervised Learning) 지도학습은 입력 데이터와 정답 데이터(레이블)가 주어진 상태에서 모델을 훈련시키는 방법입니다. 분류...2025.12.11
-
머신러닝 개요 및 Google Colab, Jupyter Notebook 기초 실습2025.12.111. Google Colab 및 Jupyter Notebook Google Colab과 Jupyter Notebook의 기초 사용법을 학습하는 실습 과정이다. EX1-1_Colab_Tutorial 파일을 작성하여 모든 코드 블록을 실행하고 인쇄 모드로 확인했다. 각 코드 줄마다 주석을 기재하여 코드의 역할을 명확히 했으며, 문서 상단에 제목, 작성자, 작성일자 정보를 추가했다. 이를 통해 클라우드 기반 개발 환경과 로컬 노트북 환경의 기본 사용법을 습득했다. 2. Markdown 문법 및 문서 작성 Markdown 형식을 사용하여 ...2025.12.11
-
단 3개의 데이터만 가지고 모델 추정하기 (베이지안 추정, Python source code 예제 포함)2025.05.131. 베이지안 추정 베이지안 추정은 제한된 데이터를 활용하여 미지의 모델 매개변수를 추정하는 방법입니다. 이 예제에서는 PyMC3 라이브러리를 사용하여 베이지안 모델을 정의하고, MCMC 샘플링을 통해 매개변수의 사후 분포를 추출합니다. 이를 통해 불확실성을 고려하면서도 가능한 모든 시나리오를 종합적으로 고려하여 예측의 중심 경향을 나타낼 수 있습니다. 2. PyMC3 PyMC3는 확률적 프로그래밍 라이브러리로, 베이지안 모델링과 추론을 수행할 수 있습니다. 이 예제에서는 PyMC3를 사용하여 베이지안 모델을 정의하고, MCMC 샘...2025.05.13
-
모수적 추정을 통한 데이터 기반 분포 모형화 1 (Python 코딩)2025.05.131. 모수적 추정 모수적 추정은 데이터를 특정 함수의 파라미터로 모델링하는 방법입니다. 일반적으로 미리 정의된 수학적 모델을 사용하며, 해당 모델의 파라미터를 추정하는 것이 목표입니다. 모수적 방법은 데이터가 적을 때에도 좋은 성능을 보이지만, 데이터의 분포가 모델의 가정과 정확히 일치해야만 정확한 결과를 얻을 수 있습니다. 2. 비모수적 추정 비모수적 추정은 데이터를 특정 함수의 파라미터로 제한하지 않고, 유연한 모델링을 수행합니다. 주어진 데이터에 적합한 모델 형태를 자동으로 선택하며, 복잡한 데이터 패턴을 캡처하는 데 유용합니...2025.05.13
-
모수적 추정을 통한 데이터 기반 분포 모형화 2 (Python 코딩)2025.05.131. 모수적 추정 모수적 추정은 주어진 수학적 모델의 파라미터를 데이터를 이용하여 추정하는 방법으로, 데이터의 불확실성을 모델링하고 신뢰성 있는 결론을 도출하는데 유용합니다. 모수적 추정의 기본 개념과 원리를 설명하고, 이를 활용하여 실제 데이터를 분석하여 모델의 파라미터를 추정하는 예시를 제시할 것입니다. 2. 모수적 방법과 비모수적 방법 모수적 방법과 비모수적 방법은 데이터를 모델링하는 데 사용되는 접근 방식에 차이가 있습니다. 두 방법은 데이터에 대한 가정과 모델의 유연성 측면에서 서로 다릅니다. 블로그에서는 두 방법을 비교하...2025.05.13
-
모수적 추정을 통한 데이터 기반 분포 모형화 3 (Python 코딩)2025.05.131. 모수적 추정 모수적 추정을 통해 데이터를 반영하여 분포 모델을 도출하는 과정과 그 중요성에 대해 다루고 있습니다. 기본적인 수식 y = ax + b*sin(x)에서 a와 b를 임의로 바꾼 후 단 10개의 데이터를 생성하고, 이를 바탕으로 추정을 수행합니다. MCMC 샘플링을 통해 posterior 분포를 추정하고, 이를 시각화하여 파라미터의 불확실성과 추정치의 변동성을 확인합니다. 2. 데이터 기반 모델링 주어진 데이터를 바탕으로 모수적 추정을 수행하여 모델을 도출하는 과정을 설명하고 있습니다. 10개의 데이터만을 사용하여 비...2025.05.13
-
OpenCV Python을 이용한 사진 종류 분류2025.12.161. SIFT 특징 추출 SIFT(Scale-Invariant Feature Transform)는 영상의 특징점과 디스크립터를 추출하는 알고리즘입니다. 본 프로젝트에서는 기준 이미지와 검색 대상 이미지에서 SIFT 객체를 생성하여 특징점과 디스크립터를 계산합니다. 이를 통해 영상의 고유한 특성을 수치화하여 이후 매칭 과정에 사용합니다. 2. 특징 매칭 및 유사도 계산 BFMatcher와 FlannBasedMatcher를 사용하여 두 영상의 디스크립터를 매칭합니다. L2-Norm을 유사도 척도로 사용하며, 매칭된 특징점들의 거리의 평...2025.12.16
-
OpenCV를 이용한 공간 향상 기법 결합2025.12.161. 공간 필터링 기법 Laplacian 필터와 Sobel 필터를 이용한 영상 처리 기법을 설명합니다. Laplacian 필터는 영상의 엣지를 검출하고, Sobel 필터는 x, y 방향의 그래디언트를 계산하여 엣지를 강조합니다. 이러한 필터들을 조합하여 영상의 선명도를 향상시키는 과정을 단계별로 구현합니다. 2. 영상 선명화 알고리즘 입력 영상에서 Laplacian 필터 결과를 빼서 선명화된 영상을 생성하고, Sobel 필터 결과를 평균 필터로 부드럽게 처리한 후 곱하여 마스크를 만듭니다. 이 마스크를 원본 영상에 더하여 최종 선명...2025.12.16
-
괴담 레스토랑: 웹 기반 랜덤 괴담 생성 시스템2025.12.191. Flask 웹 애플리케이션 개발 Python의 Flask 프레임워크를 활용하여 웹 애플리케이션을 구현했다. @app.route() 데코레이터로 메인 페이지와 /generate, /random 라우팅을 설정하고, render_template() 함수로 HTML 템플릿을 렌더링한다. POST 방식으로 전송된 카테고리 선택 데이터를 request.form.get()으로 받아 처리하는 구조로 설계하여 사용자 입력에 따른 동적 콘텐츠 생성을 구현했다. 2. Python Random 모듈을 활용한 괴담 생성 알고리즘 HORROR_DATA...2025.12.19
-
화공생명공학실험 (화공실) 열역학 상태방정식( EoS, Equation of State) 레포트2025.05.011. 상태방정식 열역학에서 온도, 압력, 내부에너지, 부피 등의 상태변수들 사이의 관계를 기술하는 데 사용되는 방정식. 유체와 기체의 성질을 기술하는 데 유용하며, 이상기체방정식, 반데르발스 상태방정식, 3차 상태방정식 등이 있다. 2. 이상기체방정식 기체 분자들의 속력 분포가 다양하고 불규칙적인 운동, 분자 간 인력/반발력 무시, 분자가 완전 탄성체, 분자 크기 무시, 평균 운동 에너지가 온도에 비례한다는 가정을 바탕으로 한 상태방정식. 3. 비리얼 상태방정식 압축 인자 Z를 압력이나 부피의 역수에 대해 멱급수 형태로 나타낸 상태...2025.05.01
2 / 4
