본문 바로가기
파이썬 카카오 api 활용해서 지오코딩, 리버스 지오코딩 하기 개인키 발급 https://developers.kakao.com Kakao Developers 카카오 API를 활용하여 다양한 어플리케이션을 개발해보세요. 카카오 로그인, 메시지 보내기, 친구 API, 인공지능 API 등을 제공합니다. developers.kakao.com 카카오 api를 사용하기 위해서는 먼저 개인 키를 발급받아야한다 위 사이트에 접속 후 내 애플리케이션 ->내 애플리케이션 추가 -> 생성 후 앱 이름 클릭 ->(rest api키 복사) ->web 플랫폼 등록 -> https://localhost:3000 입력 순서로 진행하면 된다 여기서 rest api키가 api키다 리버스 지오코딩 -지번 import requests, json, pprint def get_address(lat, ln.. 2023. 10. 23.
kt 에이블 스쿨 DX컨설턴트 트랙 10주차 교육 후기 교육 내용 10주차에는 9주차의 내용에 이어서 언어지능과 시각지능에 대해 교육이 진행되었다 이번주는 개인적으로 여태까지 들었던 내용중에 가장 어려웠던 내용이 아닌가 싶다 특히 언어지능 부분은 이해가 많이 어려웠다 실전에서 사용은 할 수 있겠는데 이론적인 부분이 어려웠던것 같다 이번에 강의를 진행해주신 강사님들은 여태까지 강의를 해주셨던 강사님과는 다른 분들이셨는데 언어지능 강사님은 유튜브 채널도 운영하셨다 시각지능 강사님은 저번주의 딥러닝 강의를 진행해주신 강사님 회사 소속 강사님이셨는데 시각지능에 들어가기 전에 딥러닝 내용을 총정리해주셔서 큰 도움이 됐던것 같다 시각지능 후반부에는 외부 데이터셋과 학습 모델을 이용해 모델을 만드는 방법을 배웠는데 뭔가 예전에 내가 개인적으로 배운적 있던 이미지 분류랑 .. 2023. 10. 22.
파이썬 딥러닝 성능 향상을 위한 다양한 도구 Dropout Dropout은 학습 과정중에서 무작위로 일정 비율의 뉴런을 비활성화 시키는 방법이다 보통 CNN에 사용하며, 모델 과적합 감소에 도움이 된다 사용 방법은 from tensorflow.keras.layers import Dropout model.add(Dropout(0.5)) or h = model.Dropout(0.5)(h) 형태로 사용하면 된다 여기서 0.5는 dropout시킬 비율로 비율이 커질수록 비활성화 정도가 높아진다 Batch Normalization Batch Normalization은 입력된 층의 평균과 분산을 계산해 데이터를 정규화하고 스케일과 시프트를 이용해 데이터를 변환 후 다음 레이어에 전달한다 학습 과정을 안정화 시키고 초기화에 대한 민감도를 줄이고 학습률 상승에 .. 2023. 10. 22.
파이썬 딥러닝 - RNN, LSTM으로 주가 예측하기(feat. finance-datareader 데이터 불러오기 pip install finance-datareader import FinanceDataReader as fdr import numpy as np df = fdr.DataReader('263750') 먼저 finance-datareader를 임포트하고 데이터셋을 읽어온다 데이터를 읽어오려면 종목코드가 필요한데, 종목코드는 https://kind.krx.co.kr/corpgeneral/corpList.do?method=loadInitPage 대한민국 대표 기업공시채널 KIND 업종 전체 농업, 임업 및 어업 광업 제조업 - 식료품 제조업 - 음료 제조업 - 담배 제조업 - 섬유제품 제조업; 의복제외 - 의복, 의복액세서리 및 모피제품 제조업 - 가죽, 가방 및 신발 제조업 - 목 kind... 2023. 10. 22.
파이썬 딥러닝 코드 작성법 - Sequential / 함수형 Sequential sequential 작성방법은 복잡하지 않은 코드를 작성할 때 유용하다 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model = Sequential() model.add(Dense(64, activation='relu', input_shape=(input_dim,))) model.add(Dense(10, activation='softmax')) 다음 코드는 sequential 형태로 작성한 간단한 코드로 input을 받는 dense 64의 히든레이어를 하나 만들고 이후 아웃풋 레이어로 출력을 한다 model2 = Sequential(Dense(64, activation=.. 2023. 10. 22.
파이썬 딥러닝 - CNN 이미지 분류하기 (tensorflow.keras CNN 모델 이해 CNN모델은 특정한 크기를 가진 필터를 가지고 이미지의 특징을 찾아낸다 예를 들어 3x3의 필터를 정의 한다면 3x3사이즈의 필터를 지정한 픽셀 수 만큼의 간격으로 이동하며 특징을 찾아내 학습을 하게 된다 import #통계 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import random as rd import cv2, os #전처리 from sklearn.model_selection import train_test_split from sklearn.metrics import * #딥러닝 from keras.models import Sequential from .. 2023. 10. 9.
파이썬 딥러닝 - Dense만 사용해서 이미지 분류하기 (tensorflow.keras import #통계 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns #데이터 전처리 from sklearn.metrics import * from sklearn.preprocessing import StandardScaler, MinMaxScaler #딥러닝 from keras.models import Sequential from keras.layers import Dense from keras.backend import clear_session from keras.optimizers import Adam #사용할 데이터 셋 from keras.datasets import mnist 필요.. 2023. 10. 8.
파이썬 딥러닝 - 회귀, 분류, 다중분류 (tensorflow.keras import #판다스와 기본 그래프 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns #전처리 도구 from sklearn.model_selection import train_test_split from sklearn.metrics import * from sklearn.preprocessing import MinMaxScaler #딥러닝 도구 from keras.models import Sequential from keras.layers import Dense from keras.backend import clear_session from keras.optimizers import Ada.. 2023. 10. 7.
딥러닝에 대한 이해와 딥러닝의 구조 딥러닝 딥러닝은 데이터가 입력 되면 데이터의 여러 피쳐간의 가중치를 두어 오차를 계산한다 가중치의 조절은 횟수를 지정하면 정해진 수 만큼 진행 되며 지정하지 않는다면 오차가 줄어들지 않을 때 까지 계속 가중치를 조절하며 최적의 가중치를 찾는 방식이다 데이터의 전처리 딥러닝을 진행하기 위해서는 먼저 데이터를 전처리 할 필요가 있다 데이터 전처리 과정에는 결측치 처리, 범주형 변수의 가변수화, 스케일링이 포함된다 여기서 주의 할 점은 전처리 과정에는 무조건 스케일링을 포함해야 한다는 점이다 모델링 머신러닝의 모델링은 모델 선언 -> 학습 -> 예측, 검증의 순서로 진행된다 딥러닝은 머신러닝과는 살짝 다른데 모델 구조 선언 -> 컴파일 -> 학습 -> 예측 및 검증의 순서로 진행이 된다 여기서 학습을 한 이후.. 2023. 10. 7.
kt 에이블 스쿨 8주차, 9주차 교육, 1차 코딩 테스트 후기 8주차 8주차는 월요일과 화요일까지는 3차 미니프로젝트를 이어서 진행했다. 클러스터링과 해당 군집을 분석하는 내용이었는데 군집을 분석하는 과정이 상당히 재미있었다 특히 군집별 특성이 재미있는 특성이 많아서 분석 하면서 조원들끼리 많이 웃었던 기억이 난다 8주차에는 길고 긴 추석 연휴가 목요일부터 시작되었는데 나는 수요일에 바로 휴가를 썼다 덕분에 8주차는 미니프로젝트만 진행하고 끝이 났다 9주차 9주차에는 8주차의 수요일에 이어 딥러닝에 대해서 배웠다 나는 8주차 수요일 강의를 듣지는 못했지만 수요일 부분은 개념적으로 이해하기가 어렵지는 않아서 교안을 보고 복습을 했다 딥러닝은 머신러닝에 비해 개념적으로 이해하는 것이 조금 어려웠다 코드 자체는 이해가 되는데 왜 이렇게 하는지에 대한 고민을 하게 되었던 .. 2023. 10. 7.

티스토리툴바