-

from openpyxl import load_workbook read_wb = load_workbook('./test.xlsx', data_only=True) read_ws = read_wb["Sheet1"] list1 = [] row = 70 for i in range(2, row) : list1.append(read_ws.cell(i, 2).value) print(list1) list2 = set(list1) print(list2) list3 = list(filter(None, list2)) print(list3) read_wb_result = load_workbook("./result.xlsx") read_ws_result = read_wb_result["Sheet1"] for i in list3..

from openpyxl import load_workbook read_wb = load_workbook('./test.xlsx', data_only=True) read_ws = read_wb.active list1 = [] row = 70 for i in range(2, row) : list1.append(read_ws.cell(i, 2).value) print(list1) list2 = set(list1) print(list2) list3 = list(filter(None, list2)) print(list3) for i in list3 : current_company = i temp_list = [] for j in range(2, row) : # j = 2,3,4,5,6,7 -- if curren..

엑셀파일들 from openpyxl import load_workbook read_wb = load_workbook('./test.xlsx', data_only=True) read_ws = read_wb.active list1 = [] row = 70 for i in range(2, row) : list1.append(read_ws.cell(i, 2).value) print(list1) list2 = set(list1) print(list2) list3 = list(filter(None, list2)) print(list3)

안드로이드에 적용해봅니다. Main -> Assets 에 .tflit파일 넣음 aaptOptions build.gradle에 implementation DigitClassifier는 이미지 가져와서 MainActivity에서 처리해줍니다. 참조 [1] https://www.youtube.com/watch?v=GoK4do9BYoo&list=PLfRvc71koCxgIrJu7foPqcus4WUAO-QBi

텐서플로우 라이트란 무엇일까요? 텐서플로우로 만든 머신러닝 모델을 모바일에 할 수 있게 해놓은 프레임워크입니다. 열심히 저희가 만들어놓은 머신러닝 모델을 모바일에서 사용할 수 있도록 변경해서, 사용합니다. 얘를 어떻게 쓰느냐 하면, 아래와 같은 절차로 진행됩니다. converter = tf.lite.TFLiteConverter.from_keras_model(model) tflite_model = converter.convert() open("mnist.tflite", "wb").write(tflite_model) from google.colab import files files.download( "mnist.tflite" )

from openpyxl import load_workbook read_wb = load_workbook("./blusehouse.xlsx") read_ws = read_wb.active list_excel = [] for i in range(1,151) : print(read_ws.cell(i,1).value.strip()) list_excel.append(str(read_ws.cell(i,1).value.strip())) print(list_excel) from konlpy.tag import Kkma import collections kkma = Kkma() list_temp = [] for row in list_excel : list_temp = kkma.nouns(row) + list_temp ..

RELU에 대해 설명해보겠습니다. RELU에 대해 설명드리려면 1. 분류(logistic regression) 2. sigmoid 3. vanishing gradient 4. relu 이런 순서대로 설명드려야 합니다. 자, 1. 분류 문제부터 봅시다. 분류를 왜 하는가에 대해서 알아보면, 아빠키 아들키 예측하는 것과 달리, Yes or No로 분류될 수 있는 문제를 처리합니다. 이런 문제가 아니라, Yes or No 로 분류되는 문제를 봅니다. 카카오에 합격하기 위해 기술면접을 봤다고 생각해봅니다. 조금만 공부하면 실패하고 더 공부하면 합격하는 경우를 생각해봅시다. 근데 데이터가 이상한게 하나 들어오면 그래프가 이상해집니다. 때문에, 아래와 같이 sigmoid 함수를 사용합니다. 그런데 얘를 쓰면 문제가..

저희는 이제 MNIST를 해보겠습니다. 손글씨 인식하는 내용을 만드는 것인데, 이 것을 딥러닝 방식으로 학습시켜서 인식하는 프로그램을 만들어봅니다. 이 것을 처음에 봤을 때 드는 의문이, 저 이미지들을 사진으로 보여주면, 그냥 컴퓨터가 알아서 학습하나? 그게 가능해? 라고 생각했었습니다. 좀 찾아보니, 컴퓨터가 학습하는 방식은 저 친구들을 이용해서 벡터 행렬로 바꿉니다. array([[0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. ], [0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. ,..

일단 conda install -c conda-forge wordcloud 로 설치하시고 import matplotlib.pyplot as plt from wordcloud import WordCloud text = open('us.txt').read() wordcloud = WordCloud().generate(text) plt.figure(figsize=(12,12)) plt.imshow(wordcloud, interpolation = "bilinear") plt.axis("off") plt.show() --참조 https://amueller.github.io/word_cloud/auto_examples/masked.html#sphx-glr-auto-examples-masked-py https://p..

딥러닝에 대해서 알아보겠습니다. 다들 딥러닝 딥러닝 하니깐, 머신러닝의 업그레이드 버전인가? 라는 생각이 들기도 하고 딥(deep)깊게 배운다? 라고 하니 더 좋은 것 같기도 하고 딥러닝을 쓰면 무조건 좋다가 아니라 상황에 맞게 알맞은 모델을 만들어서 잘 학습 시키는 것이 좋습니다. 자, 이제 뭔지 한번 해 보겠습니다. AI를 하는 이유는 너무 단순합니다. 컴퓨터가 잘 알아들어서 우리처럼 뭔가를 이해하기를 바라는 겁니다. 딥러닝이라는 것은 인간이 학습하는 과정과 비슷한데 인간이 학습하는 과정을 보면 요런 신경세포가 자극을 받아서 뭔가 결과를 내주는데 이 과정을 여러번을 거쳐서 학습을 하는 것입니다. 그런데 이 친구들이 잘 학습되지 않는 문제가 발생합니다. 때문에, 뒤로 학습하는 방법을 사용합니다. 참고할..