/DeepLearning_Study

딥러닝 및 머신러닝 실습 소스 코드 / Deep Learning and Machine Learning Practice Source Code

Primary LanguagePythonMIT LicenseMIT

DeepLearning Study



# Python   # MachineLearning   # DeepLearning  


What is this?

머신 / 딥 러닝 관련 실습 소스입니다.

MachineLearning Indexes

  1. 생활코딩을 통한 (딥러닝 맛보기 "입문")

    • pandas 익히기 (practice1_pandas.py)
    • 레몬에이드 판매 예측 모델 (practice2_lemonade.py)
    • 보스턴 집값 예측 모델 (practice3_boston.py)
    • 아이리스 꽃 예측 모델 (practice4_iris.py)
    • 딥러닝 신경망의 완성 멀티레이어 (practice5_multilayer.py)

  2. 머신러닝의 기초 (수치 예측)

    • 선형회귀 (linear_regression.py)
      • 당뇨병 환자 데이터 준비 및 시각화
    • 경사 하강법을 이용한 적절한 학습 기법 찾기 (gradient_descent.py)
      • 예측값으로 올바른 모델 찾기
      • 변화율를 통한 가중치 찾기
      • 오차 역전파로 더욱 더 적절한 가중치 찾기
      • 전체 샘플을 통하여 가중치 찾기
      • 에포크
      • 학습된 모델로 값 예측하기
    • 손실 함수와 경사 하강법의 관계
    • 선형 회귀를 위한 뉴런 만들기 (make_neuron.py)

  3. 분류하는 뉴런 만들기 (이진 분류)

    • 로지스틱 회귀 (logistic_regression.py)
      • 유방암 데이터 set 준비
      • 훈련 set / 테스트 set 나누기
      • 로지스틱 뉴런 클래스 만들기
      • 단일층 신경망 클래스 만들기
      • 사이킷런으로 로지스틱 회귀 수행하기

DeepLearning Indexes

개인 연습

  1. 파이토치 다루기 (pytorch_tutorials)

    • Tensor 생성
    • Tensor 기본 연산
    • Tensor 형태 변환
    • Tensor 자르기 & 붙이기

  2. 신경망의 기본 구성요소 살펴보기 (linear_layer)

    • 행렬 곱
    • Linear layer
    • GPU 사용하기

[Wikidocs] PyTorch로 시작하는 딥 러닝 입문

  1. 텐서 조작하기

    • Numpy와 PyTorch로 텐서 만들기

  2. 선형 회귀 (Linear Regression)

    • 선형 회귀 구현하기
    • 다중 선형 회귀 구현하기
    • nn.Module로 구현하는 선형 회귀
    • 클래스로 선형 회귀 파이토치 모델 구현하기
    • 미니 배치와 데이터 로드
    • 커스텀 데이터셋

  3. 로지스틱 회귀 (Logistic Regression)

    • 로지스틱 회귀 구현하기
    • nn.Module로 구현하는 로지스틱 회귀
    • 클래스로 로지스틱 회귀 파이토치 모델 구현하기

  4. 소프트맥스 회귀 (Softmax Regression)

    • 소프트맥스 회귀 구현하기
    • nn.Module로 구현하는 소프트맥스 회귀
    • 소프트맥스 회귀로 MNIST 데이터 분류하기

  5. 인공 신경망 (Aritificial Neural Network)

    • 퍼셉트론
    • XOR GATE 단층/다층 퍼셉트론으로 구현하기
    • 다층 퍼셉트론으로 손글씨 분류

  6. 합성곱 신경망 (CNN)

    • CNN으로 MNIST 분류하기
    • 깊은 CNN으로 MNIST 분류하기

  7. 자연어 처리의 전처리

    • 자연어 전처리
      • 토큰화 (Tokenization)
        • spaCy
        • NLTK
        • 형태소 토큰화
      • 단어 집합 (Vacabulary)
      • 각 단어에 고유 정수 부여
    • 토치 텍스트 (Torchtext)
      • English version
      • Korean version

  8. 단어의 표현 방법

    • NLP의 원-핫 인코딩
    • 워드 임베딩
    • 워드 투 벡터

  9. 순환 신경망 (RNN)

    • 문자 단위 RNN (Char RNN)
    • 문자 단위 RNN (Char RNN) - 더 많은 데이터
    • 문자 단위 RNN - 임베딩 사용

Dependency

python 3.X

How to use

python <Specific_File>.py

About Me

🙋🏻‍♂️ Name: 837477

📧 E-mail: 8374770@gmail.com

🐱 Github: https://github.com/837477


Contributing

  1. Fork this repository
  2. Create your feature branch (git checkout -b feature/fooBar)
  3. Commit your changes (git commit -m 'Add some fooBar')
  4. Push to the branch (git push origin feature/fooBar)
  5. Create a new Pull Request