↓본문으로 건너뛰기
호롤리한 하루

ML

COVID-19의 기원을 Data Science로 예측해보자!
ML
Overview # 1.해당 포스팅은 다음 문서를 바탕으로 재가공한 문서입니다. -> Using Data Science to Predict the Origin of SARS-CoV-2 Coronavirus from Public Genome Data 원 포스팅이 20년 2월에 작성되었으니 사실과 다른 내용이 포함되어 있을 수 있는 점 양해부탁드립니다.
The Watson Beat Workshop
ML Watson
Overview # MIDI파일을 input으로 여러 분위기의 음악으로 재구성시켜주는 Watson Beat를 실습해보겠습니다.
Error: pigpio error -1 in gpioInitialise
GPU ML
Environment # Arch : RaspberryPi 3 OS kernel : Linux raspberrypi 4.14.30-v7 node : v8.11.3 npm : v5.6.0
호다닥 공부해보는 RNN 친구들(2) - LSTM & GRU
ML RNN LSTM GRU
호다닥 공부해보는 RNN 친구들(1) - RNN(Recurrent Neural Networks)에서 이어지는 글입니다.
AttrValue must not have reference type value of float_ref for attr 'tensor_type'
GPU ML
Environment # Arch : ppc64le(Power9) OS : RHEL 7.6 CUDA : v10.1 GPU : Tesla V100-SXM2-16GB
호다닥 공부해보는 RNN 친구들(1) - RNN(Recurrent Neural Networks)
ML RNN LSTM GRU
Overview # 호다닥 공부해보는 시리즈가 2편째가 되었습니다. 이번에는 머신러닝의 꽃이라고도 불리는 RNN을 들고 왔습니다. 다음 포스팅에서는 RNN친구들인 LSTM과 GRU도 소개하도록 하겠습니다.
CIFAR-10 이미지 분류를 위한 CNN을 구성해보자! (Keras)
ML CNN Keras
Overview # 이 문서에서는 CIFAR-10 dataset에 대한 이미지 분류를 Keras를 사용한 CNN(Convolution Neural Network)로 구현해보도록 하겠습니다.
호다닥 공부해보는 CNN(Convolutional Neural Networks)
ML CNN
CNN? # CNN은 이미지를 인식하기위해 패턴을 찾는데 특히 유용합니다. 데이터에서 직접 학습하고 패턴을 사용해 이미지를 분류합니다. 즉, 특징을 수동으로 추출할 필요가 없습니다. 이러한 장점때문에 자율주행자동차, 얼굴인식과 같은 객체인식이나 computer vision이 필요한 분야에 많이 사용되고 있습니다.
Refine Machine Learning Model
ML Tensorflow Keras Python
1. Overview # 이번 문서에서는 이미지분석 모델을 만들고, 기본 모델을 강화시켜 정확도를 높이는 방법에 대해서 다뤄보겠습니다.
Iris TensorFlow Basic Softmax
ML Softmax Python
1. Overview # 이 문서는 iris(붓꽃)의 꽃잎과 꽃받침의 길이를 통해 각 붓꽃의 품종을 구별해 내는 모델을 소개하고 있습니다. softmax알고리즘을 사용해서 데이터를 분석할 것입니다.
Build a Simple service using IBM Visual Recognition API
ML Visual-Recognition Watson Cloud
1. Overview # 이번 튜토리얼에서는 IBM Watson의 Visual Recognition 서비스를 통해 이미지를 인식하고, 서비스의 API를 이용한 간단한 web application제작, 마지막으로 기존 모델이 아닌 커스텀모델을 트레이닝시키는 작업까지 해보도록 하겠습니다.
Build a TensorFlow model using Watson ML CLI Tutorial
ML ICOS Watson Cloud
1. Overview # 최근 ML(Machine Learning)에 대한 관심이 높아지면서 너도나도 ML에 발을 담그고 있습니다. 하지만 ML은 매우 많은 연산량을 요구하고 보통의 컴퓨터로는 결과를 내려면 굉장히 많은 시간이 소요됩니다. 이번 문서에서는 IBM Cloud와 IBM Watson Studio를 통해 빠르고 쉽게 모델을 training 시키고, deploy하는 과정을 진행하겠습니다.