๋ชฉ๋ก์ ์ฒด ๊ธ (1005)
๐ ๊ณต๋ถํ๋ ์ง์ง์ํ์นด๋ ์ฒ์์ด์ง?
220926 ์์ฑ https://www.youtube.com/watch?v=Zzt4Ept-zYs 1๏ธโฃ ์๊ณ์ด ๋ฐ์ดํฐ : ๊ด์ธก์น๊ฐ ์๊ฐ์ ์์๋ฅผ ๊ฐ์ง ๋ฐ์ดํฐ ์ ์ ์งํฉ ๋จ๋ณ๋ ์๊ณ์ด(Univariate) : ๋์ผํ ๊ฐ๊ฒฉ์ ์๊ฐ ์ฆ๊ฐ์ ๋ํด ์์ฐจ์ ์ผ๋ก ๊ธฐ๋ก๋ ํ ๊ฐ์ ๋ณ์ ๊ด์ธก์น๋ก ๊ตฌ์ฑ๋ ์๊ณ์ด ๋ค๋ณ๋ ์๊ณ์ด(Multivariate) : ๋์ผํ ๊ฐ๊ฒฉ์ ์๊ฐ ์ฆ๊ฐ์ ๋ํด ์์ฐจ์ ์ผ๋ก ๊ธฐ๋ก๋ ๋ ๊ฐ ์ด์์ ๋ณ์ ๊ด์ธก์น๋ก ๊ตฌ์ฑ๋ ์๊ณ์ด 2๏ธโฃ ์๊ณ์ด ๋ฐ์ดํฐ์ ์ด์ ํ์ง ์ด๋ ค์ ์ด์ ์ ํ์ด ๋ค์ ์ ์๊ณผ ๋น์ ์ ๋ฐ์ดํฐ๋ฅผ ์ ํํ ๊ตฌ๋ถํ์ฌ ๋ผ๋ฒจ๋งํ๊ธฐ ์ด๋ ค์ ์๊ฐ๊ณผ ๋น์ฉ ๋ง์ด ์์ ์ ์๊ณผ ์ด์์ ๊ฒฝ๊ณ ๋ถ๋ช ํ ์ ์ ๋ฐ์ดํฐ์ ๋นํด ๋น์ ์ ๋ฐ์ดํฐ ๋น์จ์ด ํจ์ฌ ์ ์ -> ๋ฐ์ดํฐ ๋ถ๊ท ํ -> ๋ถ๋ฅ ๋ฌธ์ ์ ์ฅ์ ๋ฌผ 3๏ธโฃ ์๊ณ์ด ๋ฐ์ด..
220926 ์์ฑ https://gist.github.com/HyeongWookKim/c8f31f30b233896bb8947622d7efaf82 [Ch 7. ์๊ณ์ด ๋ฐ์ดํฐ๋ฅผ ๋ค๋ค๋ณด์] from "ํ์ด์ฌ์ผ๋ก ๋ฐ์ดํฐ ์ฃผ๋ฌด๋ฅด๊ธฐ(๋ฏผํ๊ธฐ ์ง์)" [Ch 7. ์๊ณ์ด ๋ฐ์ดํฐ๋ฅผ ๋ค๋ค๋ณด์] from "ํ์ด์ฌ์ผ๋ก ๋ฐ์ดํฐ ์ฃผ๋ฌด๋ฅด๊ธฐ(๋ฏผํ๊ธฐ ์ง์)" - Ch 7. ์๊ณ์ด ๋ฐ์ดํฐ๋ฅผ ๋ค๋ค๋ณด์.ipynb gist.github.com 1๏ธโฃ library & data load import numpy as np import pandas as pd import matplotlib.pyplot as plt import datetime from fbprophet import Prophet import torch import torch.nn..
220926 ์์ฑ https://apps.dtic.mil/sti/pdfs/AD1108009.pdf ๐ค VM ๋ฐ ํธ์คํธ ์ฑ๋ฅ ์งํ์ ์ด์ ๊ฐ์ง๋ฅผ ์ํ ๋จธ์ ๋ฌ๋ machine learning ์ ์ฌ์ฉํ์ฌ IT ์์คํ ์ด์์์๊ฒ ๋ณด๋ด๋ ์๋ชป๋ ๊ฒฝ๊ณ ์ ์๋ฅผ ์ค์ด๊ธฐ ๊ธฐ์กด IT ์์คํ ๋ชจ๋ํฐ๋ง์์ ๊ฐ์งํ์ง ๋ชปํ ๊ฒฝ๊ณ ์ํฉ ๋ฐ๊ฒฌํ๊ธฐ 1๏ธโฃ.2 Why machine learning? ๋จธ์ ๋ฌ๋(Machine Learning, ML)์ ์ปดํจํฐ ๊ณตํ์์ ์ปดํจํฐ๊ฐ ๋ช ์์ ์ผ๋ก ํ๋ก๊ทธ๋๋ฐ๋์ง ์๊ณ ๋ฐ์ดํฐ๋ก๋ถํฐ ํ์ตํ๋ ํ์ ๋ถ์ผ ML ์๊ณ ๋ฆฌ์ฆ์ ์ฌ๋์ ๊ฐ์ ์์ด ๋ฐ์ดํฐ์ ํจํด์ ์๋์ผ๋ก ๊ฐ์งํ๊ณ , ํต๊ณ ๋ชจ๋ธ์ ๊ตฌ์ถํ๊ณ , ์์ธก์ ํ๋ค ML์ IT ๋ฆฌ์์น ํ์ฌ์ธ Gartner๊ฐ ๊ณ ๊ธ ๋ถ์ ๋ฐ ๋น ๋ฐ์ดํฐ ๊ธฐ์ ์ IT ๊ด๋ฆฌ์ ์ฌ์ฉํ๋..
220923 ์์ฑ https://gist.github.com/HyeongWookKim/c8f31f30b233896bb8947622d7efaf82 [Ch 7. ์๊ณ์ด ๋ฐ์ดํฐ๋ฅผ ๋ค๋ค๋ณด์] from "ํ์ด์ฌ์ผ๋ก ๋ฐ์ดํฐ ์ฃผ๋ฌด๋ฅด๊ธฐ(๋ฏผํ๊ธฐ ์ง์)" [Ch 7. ์๊ณ์ด ๋ฐ์ดํฐ๋ฅผ ๋ค๋ค๋ณด์] from "ํ์ด์ฌ์ผ๋ก ๋ฐ์ดํฐ ์ฃผ๋ฌด๋ฅด๊ธฐ(๋ฏผํ๊ธฐ ์ง์)" - Ch 7. ์๊ณ์ด ๋ฐ์ดํฐ๋ฅผ ๋ค๋ค๋ณด์.ipynb gist.github.com 1๏ธโฃ libraries & data load import warnings warnings.filterwarnings('ignore') import pandas as pd import pandas_datareader.data as web import numpy as np import matplotlib..
220923 ์์ฑ https://arxiv.org/abs/1912.09363 Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting Multi-horizon forecasting problems often contain a complex mix of inputs -- including static (i.e. time-invariant) covariates, known future inputs, and other exogenous time series that are only observed historically -- without any prior information on how arxiv.org ๐ฃ Ab..
220922 ์์ฑ https://coding-yoon.tistory.com/131 [Pytorch] LSTM์ ์ด์ฉํ ์ผ์ฑ์ ์ ์ฃผ๊ฐ ์์ธกํ๊ธฐ ์๋ ํ์ธ์. ์ค๋์ LSTM์ ์ด์ฉํด์ ์ผ์ฑ์ ์ ์ฃผ๊ฐ๋ฅผ ์์ธกํด๋ณด๊ฒ ์ต๋๋ค. ํฐ Dataset์ ๋ฐ๋ก ํ์ํ์ง ์์ผ๋ ๋ถ๋ด ๊ฐ์ง ์๊ณ ํ์๋ฉด ๋ ๊ฒ ๊ฐ์ต๋๋ค. ์๋๋ ๋ณธ๋ฌธ ๊ธ์ ๋๋ค. cnvrg.io/pytorch-lstm/?gclid=C coding-yoon.tistory.com 1๏ธโฃ library load pandas_datareader Yahoo Finance์์ ์ฆ์ ์๋ฃ๋ฅผ ๋ฐ์์ฌ ์ ์ ์น ์์ ๋ฐ์ดํฐ๋ฅผ DataFrame ๊ฐ์ฒด๋ก ๋ง๋๋ ๊ธฐ๋ฅ์ ์ ๊ณต import numpy as np import pandas as pd import pandas_datareader..
220922 ์์ฑ https://tutorials.pytorch.kr/beginner/basics/optimization_tutorial.html ๋ชจ๋ธ ๋งค๊ฐ๋ณ์ ์ต์ ํํ๊ธฐ ํ์ดํ ์น(PyTorch) ๊ธฐ๋ณธ ์ตํ๊ธฐ|| ๋น ๋ฅธ ์์|| ํ ์(Tensor)|| Dataset๊ณผ Dataloader|| ๋ณํ(Transform)|| ์ ๊ฒฝ๋ง ๋ชจ๋ธ ๊ตฌ์ฑํ๊ธฐ|| Autograd|| ์ต์ ํ(Optimization)|| ๋ชจ๋ธ ์ ์ฅํ๊ณ ๋ถ๋ฌ์ค๊ธฐ ์ด์ ๋ชจ๋ธ๊ณผ ๋ฐ์ดํฐ๊ฐ ์ค๋น tutorials.pytorch.kr https://sswwd.tistory.com/35 ํ์ดํผํ๋ผ๋ฏธํฐ ํ๋์ด๋?(1) ๋คํธ์ํฌ๋ฅผ ๊ตฌ์ฑํ ๋ ์ฌ๋์ด ์กฐ์ ํด์ผ ํ๋ ํ๋ผ๋ฏธํฐ๊ฐ ์กด์ฌํ๋ค. ์ด๋ฅผ ํ์ดํผํ๋ผ๋ฏธํฐ๋ผ๊ณ ํ๋ค. ํ์ดํผํ๋ผ๋ฏธํฐ : - ์๋์ธต ์, ์๋์ธต์ ์ฑ๋ ..
220920 ์์ฑ https://www.kaggle.com/code/amirrezaeian/time-series-data-analysis-using-lstm-tutorial/notebook http://archive.ics.uci.edu/ml/datasets/Individual+household+electric+power+consumption# Time-series data analysis using LSTM (Tutorial) Explore and run machine learning code with Kaggle Notebooks | Using data from Household Electric Power Consumption www.kaggle.com ๐ ํ๋ก์ ํธ ์๊ฐ ๊ฐ๋ณ ๊ฐ์ ์ ๋ ฅ ์๋น ๋ฐ์ดํฐ ..