본문 바로가기
728x90
반응형
SMALL

분류 전체보기1626

[Android Studio] 스피너 텍스트 스타일 스피너 텍스트 스타일 spinner 안에 있는 텍스트의 크기나 폰트 같은 속성을 바꾸는 방법이 있다. xml spinner_list.xml 파일을 추가로 만든다. main 처음 main.java 파일에서 android.R.layout.simple_spinner_item를 R.layout.spinner_list로 변경한다. ArrayAdapter adapter = new ArrayAdapter( this, android.R.layout.simple_spinner_item, items1 ); ArrayAdapter adapter = new ArrayAdapter( this, R.layout.spinner_list, items1 ); 2022. 9. 19.
[Android Studio] 스피너 (Spinner) 스피너 (Spinner) 스피너는 값 집합에서 하나의 값을 선택할 수 있는 빠른 방법을 제공한다. 기본 상태의 스피너는 현재 선택된 값을 표시한다. 스피너를 터치하면 기타 모든 사용 가능한 값을 포함하는 드롭다운 메뉴가 표시되며, 여기서 새 값을 선택할 수 있다. xml main package com.example.myapplication; import androidx.appcompat.app.AppCompatActivity; import android.os.Bundle; import android.view.View; import android.widget.AdapterView; import android.widget.ArrayAdapter; import android.widget.Spinner; imp.. 2022. 9. 19.
[Data Science] 공공포털 데이터 (1) 공공데이터 포털 공공 데이터 포털에는 다양한 분야의 데이터가 존재한다. 소상공인시장진흥공단에서 상권 정보 데이터를 csv, api 형태로 제공하고 있다. 소상공인시장진흥공단_상가(상권)정보.zip 파일을 다운로드한다. 필요한 라이브러리 import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt numpy : 고성능의 수치계산, 행렬이나 대규모 다차원 배열을 쉽게 처리하기 위한 라이브러리 seaborn : 데이터 시각화를 위한 라이브러리 matplotlib : 데이터 시각화 라이브러리 시각화를 위한 폰트 설정 # 한글 폰트 설정 (주석 처리 단축키) .. 2022. 9. 18.
[Data Science] Pandas Cheat Sheet (2) Group Data # "a" 컬럼값을 Groupby하여 "b"의 컬럼값 평균값 구하기 df.groupby(["a"])["b"].mean() # pivot_table로 평균값 구하기 pd.pivot_table(df, index="a") "a" 컬럼에 있는 값이 4가 두 개가 있기 때문에 그 값의 평균값이 적용된다. Plotting 데이터를 가지고 다양한 시각화할 수 있다. # 꺾은선 그래프 그리기 df.plot() # 막대그래프 그리기 df.plot.bar() # 밀도함수 그리기 df.plot.density() 2022. 9. 18.
[Data Science] Pandas Cheat Sheet (1) Pandas Cheat Sheet 엑셀로 힘든 대용량의 데이터는 판다스를 활용하여 분석할 수 있다. DataFrame import pandas as pd df = pd.DataFrame({"a" : [4, 5, 6], "b" : [7, 8, 9], "c" : [10, 11, 12]}, index = [1, 2, 3]) df Series df["a"]라고 컬럼을 출력하게 되면 a 컬럼에 있는 4,5,6의 값이 출력이 되는데 이것을 Series 데이터라고 부른다. df["a"] 하지만 대괄호를 하나 더 쓰게 된다면 DataFrame 형태로 출력되는 것을 볼 수 있다. df[["a"]] 결과를 보면 DataFrame은 2차원의 구조를 가지고 있고, Series는 1차원의 구조를 가지고 있는 것을 알 수 있다... 2022. 9. 18.
[AI] 인공지능의 역사 (주요 응용 분야) (4) 전문가 시스템 (Expert System) 특정 문제 영역에 대해 전문가 수준의 해법을 제공하는 것이다. 간단한 제어시스템에서부터 복잡한 계산과 추론을 요구하는 의료 진단, 고장 진단, 추천 시스템이 있다. 작업 중요도 높은 분야의 경우 추천 정보로 활용 ⁃ 최종 결정은 현장 작업자가 담당 ⁃ 원자력 발전소, 항공우주 분야 등 지식 표현과 추론 부분 분리하여 구성 ⁃ 지식만 변경하면 변화하는 환경에 쉽게 대응 규칙기반 시스템 (rule-based system)을 통한 구현 데이터 마이닝 (Data Mining) 실제 대규모 데이터에서 암묵적인, 이전에 알려지지 않은, 잠재적으로 유용할 것 같은 정보를 추출하는 체계적인 과정을 말한다. 기계학습, 통계학 기법 적용 연관 규칙. 분류 패턴, 군집화 패턴, 텍.. 2022. 9. 17.
[AI] 인공지능의 역사 (3) 빅데이터와 인공지능 구분 1세대 2세대 3세대 4세대 기술 OLTP OLAP/DW 빅데이터 AI 년도 ~1999 2000 2007 2016~ 대상 정형 정형 (다차원) 정형-비정형 지능화 데이터 머신러닝 파이프 라인 인공지능을 구성하는 핵심 요소 ① 학습 모델 신경망, 머신러닝, 다층 퍼셉트론, 전문가 시스템 등 ② 하드웨어와 소프트웨어 GPU, SPARK와 같은 병렬처리 장치와 텐서플로우 등 ③ 학습과 실행에 사용되는 프로그래밍 언어 Python, C, Lisp, Prolog 등 ④ 응용 분야 음성인식, 영상인식, 챗봇, 자연어 처리, 지식 처리 등 인공지능 핵심 기술 : 탐색 (Search) 문제의 답이 될 수 있는 것들의 집합을 공간 (space)으로 간주하고, 문제에 대한 최적의 해를 찾기 위해 .. 2022. 9. 17.
[AI] 인공지능의 역사 (2) 인공지능의 발전 1960년대 이전 1946년 펜실베니아 대학에서 ENIAC 개발 ⁃ 큰 기대와 여러 가지 시도, 매우 제한된 성공 LISP 언어 개발 (매커시, 1958) ⁃ 논리 기반 지식표현 및 추론 퍼셉트론 (Perceptron) 모델 (로젠블랏, 1958) ⁃ 초기 신경망 모델 수단-목표 분석 (means-ends analysis) 기법 (Newell & Simon, 1958) ⁃ 범용 문제해결을 목표로 한 GPS (General Problem Solver) 개발 수단-목표 분석 (means-ends analysis)은 해결해야 하는 문제를 상태 (state)로 정의한다. 현재 상태와 목적 상태 (goal state) 간의 차이 계산하고 목적 상태로 도달하기 위한 조작자 (operator, 연산자.. 2022. 9. 15.
[AI] 인공지능의 역사 (1) 인공지능 (Artificial Intelligence) 다트머스 회의 (Dartmouth Conference,1956)에서 존 마카시 (John McCarthy)가 AI 용어를 처음 제안했다. 인공지능의 정의는 기준에 따라 다양하다. 사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의 활동을 자동화하는 것 (벨만, Bellman, 1978) 사람이 하면 더 잘 할 수 있는 일을 컴퓨터가 하도록 하는 방법을 찾는 학문 (리치와 나이트, Rich & Knight, 1991) 인지하고, 추론하고, 행동할 수 있도록 하는 컴퓨팅에 관련된 학문 (윌슨 Wilson, 1992) 컴퓨터를 사용하여 인간의 지능을 모델링하는 기술 인간과 같이 인식, 사고, 학습 활동 방법 등을 연구하는 분야 인공.. 2022. 9. 15.
[Image Classification] MobileNet V1 MobileNet V1 모바일, embedded vision 앱에서 사용되는 것을 목적으로 한 MobileNet이라는 효율적인 모델을 제시한다. Depth-wise separable convolutions라는 구조에 기반하며 2개의 단순한 hyper parameter를 가진다. 이 2가지는 사용되는 환경에 따라 적절히 선택하여 적당한 크기의 모델을 선택할 수 있게 한다. 수많은 실험을 통해 가장 좋은 성능을 보이는 설정을 찾았으며 타 모델에 비해 성능이 거의 떨어지지 않으면서 모델 크기는 몇 배까지 줄였다. 모델 크기를 줄이는 방법은 크게 2가지로 나뉘는데, 사전 학습된 네트워크를 압축하거나 작은 네트워크를 직접 학습하는 방식이다. 이외에도 모델을 잘 압축하거나 양자화, hashing, pruning 등.. 2022. 9. 14.
728x90
반응형
LIST