일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
- spark
- 부스트캠프 ai tech 준비과정
- 자연어
- 데이터 시각화
- 맛집
- 부스트클래스
- TensorFlow
- 서울 맛집
- tensorflow 예제
- NLP
- RDD
- r
- DataSet
- 연남동 맛집
- AI tech
- AI Tech 준비과정
- 홍대 맛집
- 부스트캠프
- AI 엔지니어 기초 다지기
- Ai
- Spark MLlib
- Python
- 연남 맛집
- 캐글
- yolo
- Transformer
- mllib
- 위기의코딩맨
- pycharm
- kaggle
- Today
- Total
목록전체 글 (192)
We-Co
안녕하세요. 위기의 코딩맨입니다. 오늘은 BERT를 기반으로 사용하는 SQuAD Dataset에 대해서 간단하게 알아보고 구현해보도록 하겠습니다. BERT에 대해서 궁금하시면 BERT [We-Co] BERT - 자연어처리, NLP 안녕하세요. 위기의 코딩맨입니다. 오늘은 자연어 처리의 발전에 힘을 실어준 BERT 모델에 대해서 알아보도록 하겠습니다. [ BERT ] Bidirectional Encoder Representations from Transformers를 BERT로 간단하게.. we-co.tistory.com [ SQuAD Dataset ] Stanford Question Answering Dataset을 SQuAD로 요약하여 부르며 Wikipedia와 크라우드 워커의 질문으로 구성된 Data..
안녕하세요. 위기의 코딩맨입니다. 오늘은 이진탐색 알고리즘에 대해 알아보도록 하겠습니다. 이진탐색 알고리즘은 반복, 순환 구조에 사용되며 알고리즘의 입력으로 정렬한 리스트와 Key 값, A의 탐색 범위인 Low와 High가 제공되어야 합니다. list_ = [1,3,8,13,13,16,21,26,27,30,33,36,39,41,44,49]를 기준으로 사용하였으며 인자는 리스트, 찾고자하는 숫자, Low, High을 받습니다. [ 순환 구조 ] def binary_Search_1(A, Key, Low, High): if Low
안녕하세요. 위기의 코딩맨입니다. 코딩테스트를 진행하기 위해서는 알아야할 DFS, BFS! 깊이우선탐색, 너비우선탐색 방법에 대해서 알아보도록 하겠습니다. dict_ = {'A' : {'B', 'C'}, 'B' : {"A", "D"}, "C" : {"A", "D", "E"}, "D" : {"B", "C", "F"}, "E" : {"C", "G", "H"}, "F" : {"D"}, "G" : {"E", "H"}, "H" : {"E", "G"}} [ DFS - 깊이 우선 탐색 ] DFS는 Depth First Search로 스택을 이용한 미로를 탐색하는 알고리즘과 유사합니다. 한 방향으로 진행하다 더 이상 갈 수 없게 되면 다시 가장 가까운 곳으로 이동하여 다른 방향을 탐색하는 방식입니다. 위에 선언한 py..
안녕하세요. 위기의 코딩맨입니다. 오늘은 코딩 문제에서 가끔 사용되는 최대 공약수, 최소 공배수 구하는 방법을 알아보도록 하겠습니다. [ 최대 공약수 ] 유클리드 알고리즘을 사용하여 최대 공약수를 구하는 코드입니다. 입력 값 A, B 를 받아 나눠 % 연산 후 몫이 아닌 나머지를 구합니다. def Max_Value(A, B): while B != 0: R = A % B A = B B = R return A 결과를 확인해 보면 Max_Value(12,3) Max_Value(48,60) [ 최소 공배수 ] 최소 공배수 구하는 방법은 주어진 A,B의 값을 구하고 최대 공약수를 나눠주면 값을 쉽게 구할 수 있습니다. // 연산자는 나누기 연산 후 소수점 이하의 수를 버리고, 정수 부분의 수를 남겨주는 연산자 입..
안녕하세요. 위기의 코딩맨입니다. 오늘은 자연어 처리의 발전에 힘을 실어준 BERT 모델에 대해서 알아보도록 하겠습니다. [ BERT ] Bidirectional Encoder Representations from Transformers를 BERT로 간단하게 부르고 있습니다. 2018년 Google에서 공개한 모델이며, 앞서 언급했듯이 NLP Task에서 최고의 성능을 보여주며 NLP의 발전에 많은 기여를 했습니다. BERT는 Transformer를 이용하여 모델을 구현했으며 대량의 단어 Corpus로 양방향(Bidirectional)으로 학습을 시킨 Pre-Trained 자연어 처리 모델이며, 위키피디아, BooksCorpus에 포함된 레이블이 없는 텍스트 데이터로 훈련된 모델입니다. BERT가 높은 ..
안녕하세요. 위기의코딩맨입니다. 오늘은 포르투갈어를 영어로 변역 Part.2 부분을 알아보도록 하겠습니다. Part.1 [We-Co] Transformer - 포르투갈어를 영어로 변역 Part.1 안녕하세요. 위기의 코딩맨입니다. 오늘은 Tensorflow의 공식 문서와 현재 듣고있는 강의를 토대로 포르투갈어를 영어로 변역하는 모델을 작성해보도록 하겠습니다. https://www.tensorflow.org/text/tutorial we-co.tistory.com 인코더 부분과 디코더 부분에서 실행되는 부분을 알아보도록 하겠습니다. 인코더 부분이 왼쪽, 디코더 부분이 오른쪽 부분으로 생각하시면 됩니다. 인코더레이어 부분 Multi-Head_Attenstion, 포인트 와이즈 피드포워드 네트워크의 흐름을 작..
안녕하세요. 위기의 코딩맨입니다. 오늘은 Tensorflow의 공식 문서와 현재 듣고있는 강의를 토대로 포르투갈어를 영어로 변역하는 모델을 작성해보도록 하겠습니다. https://www.tensorflow.org/text/tutorials/transformer 언어 이해를 위한 변환기 모델 | Text | TensorFlow 도움말 Kaggle에 TensorFlow과 그레이트 배리어 리프 (Great Barrier Reef)를 보호하기 도전에 참여 이 페이지는 Cloud Translation API를 통해 번역되었습니다. Switch to English 언어 이해를 위한 변환기 모델 이 튜 www.tensorflow.org 먼저 사용할 라이브러리를 설치해주도록 합니다. 저는 코랩환경을 사용하기 때문에 앞..
안녕하세요. 위기의 코딩맨입니다. 오늘은 Transformer에 대해서 간단하게 알아보도록 하겠습니다 [ Transformer ] "Attention is all you need"의 제목으로 2017년 구글에서 발표한 모델입니다. 기존의 Seq2Seq의 구조 인코더 - 디코더를 기반으로 하지만, RNN모델을 사용하지 않고 Ateention의 기법을 사용하여 우수한 성능을 보여주는 모델입니다. Transformer의 장점은 - RNN은 순차적의 형태로 출력하지만, 병렬적으로 계산이 가능 - Rnn 스텝이나 Convolution을 켜지 않고 멀리 떨어진 텍스트의 정보들도 서로 영향을 주고 받으며 서로 연관관계를 학습이 가능 Seq2Seq와 같이 왼쪽은 Encoding부분, 오른쪽은 Decoding부분으로 나..