분류 전체보기175 chapter 1. 자바 프로그래밍 시작하기 1-1. 프로그래밍과 자바 자바를 쓰면 왜 좋을까요? 1) 플랫폼에 영향을 받지 않으므로 다양한 환경에서 사용할 수 있다. 2) 객체 지향 언어이기 때문에 유지보수가 쉽고 확장성이 좋다. 3) 프로그램이 안정적이다. 4) 풍부한 기능을 제공하는 오픈소스이다. 자바로 어떤 프로그램을 만들 수 있을까요? 1) 웹서버 2) 안드로이드 앱 3) 게임 1-2. 자바 개발 환경 설치하기 자바 설치하기 1) 오라클사이트(www.oracle.com/technetwork/java/index.html) 접속 후 [Java SE XX.X.X] 가장 최신 버전을 선택한다. 작성일 기준 가장 최신 버전인 Java SE 17.0.2 (LTS)를 선택했다. 2) OS에 맞게 Linux, macOS, Windows 중 하나를 선택하.. 2022. 2. 21. Do it! 자바 프로그래밍 입문 [Do it 자바 프로그래밍 입문] 교재로 Java 공부를 시작하고자 한다. 2022. 2. 21. [Deep Learning] 앙상블 학습(Ensemble Learning) 앙상블 학습(Ensemble Learning)에 대해 알아보자. 목 적 앙상블 학습(Ensemble Learning)이란 하나의 모델만을 학습시켜 사용하지 않고 여러 모델을 학습시켜 결합하는 방식으로 문제를 처리한다. 특히, 모델 하나로 원하는 성능을 낼 수 없을 때 앙상블 학습을 사용하면 효과적이며, 개별로 학습한 여러 모델을 조합하여 일반화(generalization) 성능을 향상할 수 있다. 방 법 - 여러 분류 알고리즘 사용 : 다수결 투표 - 하나의 분류 알고리즘 이용 : 배깅(Bagging), 부스팅(Boosting) 종 류 - 투표(Majority Voting) : 동일한 훈련세트 - 배깅(Bagging) : 훈련 샘플에서 알고리즘마다 별도의 훈련세트 추출 * 랜덤 포레스트(Random Fo.. 2021. 7. 29. [Deep Learning] 배치 정규화(Batch Normalization) [작성중] 배치 정규화(Batch Normalization)에 대해 알아보도록 하자. 논문은 Batch Normalization : Accelerating Deep Network Training by Reducing Internal Covariate Shift (PMLR 2015)를 참고하면 되겠다. 배치 정규화(Batch Normalization)의 장점 1. 학습 속도(training speed) 향상 2. 가중치 초기화(weight initialization)에 대한 민감도 감소 3. 모델의 일반화(regularization) * 입력 정규화(Normalization) 데이터가 가진 feature의 스케일이 심하게 차이나는 경우 문제가 발생한다. 우리가 학습을 통해 최소값을 얻고자 할 때, Gradient D.. 2021. 7. 29. 이전 1 ··· 12 13 14 15 16 17 18 ··· 44 다음
