[용어 정리] 입 개발자를 위한 TF-IDF

뭔가 아는척을 위해서 알아두면 좋은 단어중에 지난번에 언급했던 Accuracy, Recall, Precision 같은 것들이 있는데, 이것 말고도 알아두면 입 개발자로 아는 척 하기 좋은 단어가 있습니다. 바로 TF-IDF 인데요. 보통, 검색이나 다른쪽을 하시는 분들은 다들 잘 알고 있는 단어이기도 합니다.(개인적으로는 해당 강의 https://www.coursera.org/learn/ml-foundations

[용어 정리] 입개발자를 위한 Accuracy, Precision, Recall

최근에 공부하게 된 내용을 아주 가볍게 정리하고자 합니다. 머신러닝은 못하고 러닝머신도 못하고 있지만(저질 체력이라...) 맨날 공부하자 말만 하고 모르고 있다가... 아는 게 없어서 맨날 구라만 치는 중입니다. 그러던 중, 위의 내용들을 가볍게 설명할 일이 생겼는데... 역시 저의 구라로 시작한 일은 비극적으로 구라가 들통나버리는... 흑흑흑 그래서 좀 더 큰데서 구라를

개발자가 배우는 R : 4강, 데이터프레임 가공하기

개요 이번 포스팅에는 R에서 가장 많이 쓰이는 데이터프레임을 가공하는 방법을 알아본다. 이를 위해 데이터프레임을 조작하는 방법과 관련된 외부 패키지 reshape 사용법을 알아본다. 코드중심의 설명이기 때문에 본문 보다는 코드의 주석이 집중적으로 추가되어 있으니 참고 바란다. 데이터프레임 조작하기 데이터프레임 예제 #1 : leadership 임의로 leadership 객체를 만들어 데이터프레임 조작을 알아보자. leadership 데이터프레임 생성

텐서보드(TensorBoard) 시작하기

여전히 GAN(Generative Adversarial Network)을 배우고 있고, 관심 있게 보고 있는 자료가 텐서플로우로 구현이 되어 있어서 아직도 텐서플로우를 배우는 중이다. 텐서플로우 구문이 익숙하지 않아 다른 예제를 다뤄보기로 마음먹었다. 이 글에서는 지난 글 "텐서플로우(TensorFlow) 시작하기"에 이어서 IRIS 예제를 포함해서 더 다양한 예제를 살펴보면서, 텐서보드(TensorBoard)를

개발자가 배우는 R : 3강, 데이터프레임과 파일 입출력

개요 이번 포스팅에는 R의 객체중 factor와 데이터 프레임을 배우고 파일 import, export를 배워본다. 객체 자체는 지난 시간에 다뤘지만 리스트와 데이터 프레임은 파일 import/export와 연관이 많아 이번 시간에 설명한다. 코드중심의 설명이기 때문에 본문 보다는 코드의 주석이 집중적으로 추가되어 있으니 참고 바란다. R 자료구조(factor, 데이터프레임) factor 설문조사의 객관식 처럼 순서와

kubernetes 어디까지 써봤니? 삽질기(2)

Kubernetes 삽질하다 일어난일 kubernetes 삽질의 시작은 이전글을 참조하기 바란다. 이번 글에서는 나의 작은 실수로 인해 분석가를 식겁하게 한 에피소드에 대해 이야기 해 보려 한다. 그전에 k8s에 deploy하기 위한 기본 개념에 대해 살펴볼 예정이다. pod로 띄우기 pod는 한개 이상의 컨테이너로 구성되는 k8s에서 가장작은 deploy를 위한 단위이다. 이는 자신의 어플리케이션 스택에 서로

개발자가 배우는 R : 2강, 객체 다루기

개요 이번 포스팅에는 R의 객체를 다루는 것을 집중적으로 알아본다. 기본적으로 코드예제가 많다. 이유는 코드를 이해 혹은 실습해보는 것이 R을 익히는데 가장 빠른 길이라 생각하기 때문이다. 또한 지금 배우지 않더라도 필요할 때 찾아서 쓰는 것도 코드가 가장 빠를 것이다. 코드중심의 설명이기 때문에 본문 보다는 코드의 주석이 집중적으로 추가되어 있으니 참고 바란다.

텐서플로우(TensorFlow) 시작하기

최근 GAN(Generative Adversarial Network)을 배우고 있다. 관심 있게 보고 있는 자료가 텐서플로우로 구현이 되어 있어, 이번 기회에 텐서플로우를 배워보기로 마음 먹었다. 이 글에서는 텐서플로우를 설치하고, 기본 사용법을 익히며, MNIST 이미지를 ConvNet으로 분류하는 예제를 차례차례 따라가 보고자 한다.   텐서플로우 설치하기 먼저 Installing TensorFlow에서 운영체제에 맞는 설치 가이드를 선택한다. 여기에서는

Kafka 운영자가 말하는 Kafka 서버 실전 로그 분석

이번 글은 지난번 연재 글 내용과 이어지는 내용으로 producer acks 옵션과 관련이 있는 내용입니다. 제가 kafka를 운영하면서 실제 일어났던 이슈에 대해 kafka의 로그와 같이 한번 설명드리도록 하겠습니다. 지난 연재 글을 읽지 못하신 분이나 또는 읽었는데 기억이 잘 나지 않으신다면, 다시 한번 읽어보시는 편이 좋을 것 같습니다. Kafka 운영자가 말하는 처음

개발자가 배우는 R : 1강, 기초 맛보기

개요 해당 포스팅은 개발자의 시각에서 R을 설치/실행하여 익히는데 도움이 될만한 내용을 정리한 내용이다. 따라서 프로그래밍을 처음 접하는 사용자들을 위한 배경지식이 일부 생략되어있을 수는 있다. 하지만, R은 컴퓨터공학 비전공자들도 널리 사용하는 언어인 만큼 크게 어려운 내용은 없다. 앞으로도 꾸준히 R을 익히는데로 내용을 정리하여 포스팅 할 예정이다. 글의 방향성 본글은 R의

Torch DQN 강화학습 소개

작년 알파고와 이세돌간의 세기의 바둑대결이 열리면서 딥러닝(Deep Learning)이 화두가 되었고, 특히 딥마인드(DeepMind)가 강화학습(Reinforcement Learning)을 통해 알파고를 만들었다는 사실에, 강화학습이 주목을 받기 시작했다. 그리고 나도 최근에 강화 학습을 둘러보기 시작했고, 피상적으로나마 이해한 내용을 정리하고자 이 글을 썼다. 이 글에서는 강화학습과 강화학습의 알고리즘 중 하나인 DQN(

Torch와 OpenCV를 활용한 실시간 이미지 분류 데모

작년 비젼랩스(VisionLabs)는 딥러닝 프레임워크인 Torch와 이미지 처리 라이브러리인 OpenCV를 결합하여 만든 torch-opencv를 공개했다. Sergey Zagoruyko는 torch-opencv을 이용한 몇가지 데모를 torch-opencv-demos에서 소개했다. 이 글에서는 이 중에서 "이미지넷 분류 모델을 사용한 개체 식별"과 "성별/나이 분류 모델을 사용한 성별과 나이 식별"