매일이 주말이라면 좋겠어 매일이 주말이라면 좋겠어

컨텐츠스퀘어 Contentsqare - 고객 여정 워크샵 GA, AA 보다 풍부한 인사이트를 제공 흠 일단 솔루션 홍보인 것 같긴 한데? 넘 신기! 이렇게 많은 툴이 있는지 몰랐다 회원 가입 절차에서 에러 때문에 전환율이 하락.... 입력을 안하고 계속 버튼을 눌럿는데 에러가 안뜨고 리로딩이 되어서 이탈... ->알람을 주는 방식으로 해결 초반의 허접(?)한 디자인 전환율=클릭하고 구매한 사람/ 한번이라도 클릭한 사람 영역 zoneing-> 마우스 추적-> 바로 페이지를 대시보드화(ga등에서 데이터 끌어옴) -> 영역별 노출율 계산해줌 영역별 클릭률도 가능 고객 여정 분석(차트화)

어느덧 14과까지 왔다~! 아직 6과나 더 남긴했지만...ㅋㅋㅋ 그래도 1월달에 앞부분 깔짝거리다가 그만 뒀었는데 14화까지 왔네 어떻게 .... ㅋㅋㅋ ㅠㅠ 앞으로 6주만 더 힘내자!! 😍 합성곱 신경망(CNN)은 음성 인식이나 자연어 처리, 이미지 분야에서 많이 사용됨! 여기서는 이미지 애플리케이션에 초점을 맞출 것임! 사실 밑에 이러쿵 저러쿵 책의 내용을 요약해놨지만 책이 너무 어렵게 설명함... https://wikidocs.net/64066 1) 합성곱 신경망(Convolution Neural Network) 합성곱 신경망(Convolutional Neural Network)은 이미지 처리에 탁월한 성능을 보이는 신경망입니다. 하지만 합성곱 신경망으로 텍스트 처리를 하기 위한 시 ... wiki..

코드는 여기를 참고하였다. https://github.com/rickiepark/handson-ml2/blob/master/13_loading_and_preprocessing_data.ipynb GitHub - rickiepark/handson-ml2: 핸즈온 머신러닝 2/E의 주피터 노트북 핸즈온 머신러닝 2/E의 주피터 노트북. Contribute to rickiepark/handson-ml2 development by creating an account on GitHub. github.com 9. 10장에서 소개한 패션 MNIST 데이터셋을 적재하고 훈련 세트, 검증세트, 테스트 세트로 나눕니다. 훈련 세트를 섞은 다음 각 데이터셋을 TFRecord 파일로 저장합니다. 각 레코드는 두 개의 특성을 ..

13.2 TFRecord 포맷 csv 형식으로는 이미지나 오디오 같은 데이터 구조를 지원하지 못함. 이 대신 TFRecord를 사용하는 방법을 알아보자. 대용량 데이터를 저장하고 효율적으로 읽기 위해 텐서플로가 선호하는 포맷. 크기가 다른 연속된 이진 레코드를 저장하는 단순한 이진 포맷이다(

공부하려고 앉았다가 1시간을 웹서핑했다😂 정신차리자! 다른 말인데 유기견, 유기묘 사진을 요즘 보고 있는데 너무 귀엽고 불쌍하다... 사정만 된다면 한 마리 데려와서 키우고 싶은데 사실 내가 1인 가구이기도 하고 집도 돈도 없으니...(주륵) 모두에게 못할짓.. 나중에 경제적으로 주거적으로 안정적이 된다면 꼭 친구 한마리를 데려와서 같이 살고 싶다! 메모리 용량에 맞지 않는 아주 큰 규모의 데이터셋으로 딥러닝 시스템을 훈련해야 한다면? 대용량 데이터는 정규화처럼 데이터 전처리가 필요한데 인코딩을 해야 한다면?-> 사용자 정의 전처리 층을 만들거나, 케라스에서 제공하는 표준 전처리 층을 사용하면 됨 13.1 데이터 API 메모리에서 전체 데이터셋을 생성해볼수 있음. 이렇게 10개의 원소가 있는 텐서를 받아..

12. 층 정규화(layer normalization)을 수행하는 사용자 정의 층을 구현하세요. a. build() 메서드에서 두 개의 훈련 가능한 가중치 a와 b를 정의합니다. 두 가중치 모두 크기가 input_shape[-1:]이고 데이터 타입은 tf..float32 입니다. a는 1로 초기화되고 b는 0으로 초기화되어야 합니다. b. call()메서드에서는 샘플의 특성마다 평균 \mu와 표준편차 \sigma를 계산해야 합니다. 이를 위해 전체 샘플의 평균과 분산을 반환하는 tf.nn.moments(inputs,axes=-1, keepdims=True)을 사용할 수 있습니다. 그다음 α⊗(X - μ)/(σ + ε) + β 를 계산하여 반환합니다. c. 사용자 정의 층이 keras.layers.Laye..

뭔가 어려워보인다... 힘내서 시작하자!! 아자아자😍 12.3 사용자 정의 모델과 훈련 알고리즘 12.3.1 사용자 정의 손실 함수 def huber_fn(y_true, y_pred): error = y_true - y_pred is_small_error = tf.abs(error) < 1 squared_loss = tf.square(error) / 2 linear_loss = tf.abs(error) - 0.5 return tf.where(is_small_error, squared_loss, linear_loss) 이런 식으로 내가 만들고 싶은 손실 함수를 만들 수 있다. model.compile(loss=huber_fn, optimizer='nadam') model.fit(X_train, y_trai..

10,11과에서 고수준 API인 tf.keras 를 통해 여러가지를 해 보았음! 사실 딥러닝 작업의 95%는 tf.keras나 tf.data(13장에서 다룰것) 외에 다른 것은 필요하지 않다고 함... 하지만 저수준 파이썬API도 한번 해보자. 나만의 손실 함수나, 지표 등을 만들어 세부적으로 제어하고 싶을 때 필요하기 때문. 12.1 텐서플로 훑어보기 대부분 고수준 API를 사용하지만, 자유도가 필요한 경우 저수준 API를 사용하여 텐서를 직접 다루게 됨. 구글의 텐서플로 허브를 사용하면 사전훈련된 신경망을 손쉽게 다운로드하여 재사용할 수 있다. 혹은 텐서플로 모델 저장소(https://github.com/tensorflow/models)에서 많은 신경망 구조를 다운로드할 수 있음. 텐서플로 리소스 페..