Theory53 01 IoT 기초 M2M(Machine to Machine) 사람이 개입하지 않는 기계와 기계 간의 통신 IoT를 구성하는 기술 요소 1. 디바이스 센서라고 불리는 전자 제품이 내장된, 네트워크에 연결된 사물 센싱(sensing)과 피드백(feedback)이라는 두 가지 역할 담당 센싱 : 디바이스 자신의 상태나 주변 환경의 상태를 수집해서 시스템에 알려 주는 동작 상태 : 예) 방문의 개폐 상태, 방의 습도나 온도, 방에 사람이 있는지 등 피드백 : 시스템으로부터 알림을 받아서 정보를 표시하거나 지시된 동작을 수행하는 것 시스템은 센서로부터 수집된 정보를 기반으로 일련의 피드백을 수행하고, 실세계로 액션을 실행 가시화(visualization), 알림, 제어의 세 가지 피드백 방법 존재 가시화 : 센싱 결과 화면 또는 .. 2023. 7. 27. 07 모델 성능 검증하기 실습 초음파 광물 예측하기 colab에서 실습 [데이터의 확인과 예측 실행] # pandas 라이브러리를 불러옵니다. import pandas as pd # 깃허브에 준비된 데이터를 가져옵니다. !git clone https://github.com/taehojo/data.git # 광물 데이터를 불러옵니다. df = pd.read_csv('./data/sonar3.csv', header=None) df.head() # 첫 다섯 줄을 봅니다. 전체가 61개의 열로 구성 마지막 열은 광물의 종류 표시 일반 암석은 0, 광석은 1로 표시 첫 번째 열부터 60번째 열까지는 음파 주파수의 에너지를 0에서 1 사이의 숫자로 표시 df[60].value_counts() 광석이 111개, 일반 암석이 97개 총 208개의 .. 2023. 7. 11. 05 다중 분류 문제 해결하기 실습 다중 분류 참(1)과 거짓(0)으로 해결하는 것이 아니라, 여러 개 중에 어떤 것이 답인지 예측하는 문제 아이리스 품종 예측 실습 colab에서 실습 [상관도 그래프] import pandas as pd # 깃허브에 준비된 데이터를 가져옵니다. !git clone https://github.com/taehojo/data.git # 아이리스 데이터를 불러옵니다. df = pd.read_csv('./data/iris3.csv') df.head() # 첫 다섯 줄을 봅니다. import seaborn as sns import matplotlib.pyplot as plt # seaborn 라이브러리의 pairplot() 함수를 써서 전체 상관도를 볼 수 있는 그래프 출력 # 품종에 따라 보여지게 지정 sns.p.. 2023. 7. 3. 04 데이터 다루기 실습 (Pandas, Matplotlib, Seaborn) 판다스(Pandas) 딥러닝을 다루기 위한 1단계는 데이터를 파악하는 것 데이터를 시각화해서 눈으로 직접 확인해 보는 방법이 유용 판다스 라이브러리는 넘파이 기능을 포함하면서도 다양한 포맷의 데이터를 다룰 수 있음. 맷플롯립(Matplotlib) 파이썬에서 그래프를 그릴 때 사용되는 라이브러리 시본(Seaborn) 맷플롯립을 기반으로 조금 더 정교한 그래프를 그리게 해주는 라이브러리 피마 인디언 데이터 분석 실습 colab에서 실습 [판다스를 활용한 데이터 조사] # 필요한 라이브러리를 불러옵니다. import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 깃허브에 준비된 데이터를 가져옵니다. !git clone https://.. 2023. 7. 2. 이전 1 2 3 4 5 6 7 ··· 14 다음
