Study159 Android Things 살펴보기 ~ #1 Big을 했으니 Small도 해야지~ 얼마전 페북을 열심히 보다가 유명 개발자께서 새로운 무언가를 소개한 글을 잠깐 보았다. 바로 구글에서 자사의 안드로이드를 기반으로 추진하는 IoT 프로젝트인 Android Things라는 프로젝트였다. 구글의 개발자 사이트를 가보면 HOME 메뉴 아래 Android, Wear, TV, Auto에 이어 5번째로 자리잡고있다. 마침 작년부터 아두이노에 관심을 갖게 되었고 또 올해 추진하고 있는 아두이노로 스마트 미러를 만드는 계획에 차질을 빚고 있던 차에 이런 정보를 접하니 관심이 안갈 수 없다. 아쉽게도 Android 자체가 고수준 언어인 JAVA에 기반을 하고 있다보니 아두이노는 지원 기기에 없지만 라즈베리 파이를 지원한다고 하니 안그래도 기웃거리고 있던 라즈베리 파.. 2017. 3. 18. 자연상수 e와 자연로그 문돌이를 위한 자연상수 e와 자연로그의 이해음…제목을 ‘이해’라고 달았지만…본인 스스로도 전혀 이해하고 있지 못한 이 슬픈 현실…ㅠ.ㅠ 일단 염두에 두어야 할 것은 자연상수 e의 존재 가치는 경험으로 얻을 수 밖에 없다는 것이다. 수많은 수학과 물리학 등 자연과학은 물론 공학에 이르기 까지 그 사용은 너무나 많다고들 한다. 하지만 문돌이의 처지에서 도대체 그 ‘많은’ 것들이 대체 뭔가 하는데 이르면 그야말로 노답인 것이다. 그래서 오늘은 그저 딱 문돌이가 알면 도움이 될…까? 하는 선에서 자연상수 e와 그 자연상수 e를 밑으로 하는 자연로그에 대해 짚고 넘어가겠다. 자연상수 e에 대해일단 네이피어에서 시작해 오트리드, 베르누이, 라이프니츠 그리고 오일러에 이르기까지 많은 수학자들이 자연상수 e를 발견하고.. 2017. 3. 18. 로지스틱(Logistic) 회귀 함수 살펴보기 로지스틱 회귀 분석 이해를 위한 수학 지식 들어가는 말 앞서 단순 선형 회귀에서 다중 선형 회귀로 넘어갈 때도 단지 변수 하나가 더 추가되었다는 이유만으로 한참을 헤맸다. 그런데 로지스틱 회귀는… 나를 지옥으로 몰고갔다…ㅠ.ㅠ 이놈에 로지스틱 회귀 모형을 이해하기 위해 장장 2주간의 기간에 걸쳐 로지스틱 회귀, 자연상수 e, 자연로그, 로그의 일반 성질 등을 공부해야 했고 대략 열 서너 편의 유튜브 강좌와 구글과 네이버를 통해 수많은 자료를 검색하여 대략적으로는 감을 잡았다. 하지만 여전히 답을 찾지 못한 내용들이 조금 있다. 사실 우리가 중고등학교 때 수학을 배운 것과 같은 방법으로 그저 공식 하나 외우고 그 공식을 사용하면 그뿐이다. 그리고 애초에 이 공부를 시작하면서 깊숙한 원리를 깨우친다기 보다는.. 2017. 3. 13. React 살펴보기 #5 Components and Propscomponent는 UI를 독립적이고 재사용 가능한 부분으로 나누는 개별적인 조각으로 생각할 수 있다. 개념상으로는 component는 JavaScript의 함수와 같다. component는 (“props”라고 불리는)임의의 입력을 받아서 화면에 그려지는 방식을 기술하는 React elements를 리턴해준다. Functional and Class Components가장 간단하게 component를 만드는 방법은 JavaScript 함수를 만드는 것이다.function Welcome(props) { return Hello, {props.name}; } 이 함수는 하나의 “props”라는 데이터를 포함한 객체를 인자로 받아서 React elements를 리턴해주므로 유효.. 2017. 3. 4. TensorFlow 학습을 위한 간단한 Tip ~ #1 TensorFlow 학습을 위한 간단한 Tip ~ #1TensorFlow 공부를 시작하면서 몇가지 도구를 사용하게 되었다. 하지만 그 도구들에 대해 자세힌 알고있는 상태에서 시작을 한 것이 아니라 학습을 진행하면서 시행착오를 통해 알게되는 사실들이 꽤 많다. 이 그룹의 게시물들은 바로 이러한 팁을 정리하는 공간이 될 것이다. 첫 포스팅은 Docker와 Jupyter에 대한 몇가지 내용들을 다룰 것이다. Docker에서 TensorFlow 관리하기우선 처음 설치에 대한 내용과 1.0.0으로 업그레이드 하는 내용에서 Docker에 대한 약간의 내용들이 언급되었다. 오늘은 거기에 더해서 Container를 다루면서 실수했던 내용 몇가지를 정리한다. 처음 Docker를 통해 텐서플로우 이미지를 다운로드 받고 실.. 2017. 2. 26. TensorFlow(텐서플로우) 살펴보기 - 4 텐서플로우를 이용한 다중 선형 회귀단순 선형 회귀가 쉽기에 다중 선형 회귀도 쉬운 줄 알았다...하지만 결코 쉽지 않다...ㅠ.ㅠ 물론 독립변수만 늘어났을 뿐 대부분의 식을 그대로 사용해도 되므로 그냥 그렇게만 알고 넘어가면 이보다 쉬운 것도 없다. 하지만 수학적 사고방식이 모자란 문돌이에게는 변수가 하나 늘어난다는 것은 천지가 개벽하는 변화다. 예를들어 단순 선형 회귀는 그 결과를 그래프를 통해서 시각적으로 쉽게 확인이 가능했다. 그런데 다중 선형 회귀는 도대체 시각적으로 어떻게 표현해야 할지를 모르겠다. 그나마 독립변수가 2개인 경우는 3차원그래프로 설명을 해놓은 곳이 많아 그러려니 했는데 3개 이상부터는 도대체 어찌 할 수 있는지 할 수는 있는 것인지...ㅠ.ㅠ 일단은 cost 함수로 성공 여부를 .. 2017. 2. 26. TensorFlow 1.0.0 설치 - Docker에서... Docker에서 TensorFlow 1.0 업그레이드 하기최근 텐서플로우가 1.0을 발표하면서 많은 분들이 1.0 업그레이드에 여념이 없다. 이런 시류에 편승해서 나도 Docker 이미지로 설치한 텐서플로우 0.12.1 버전을 1.0.0 버전으로 업그레이드를 해보기로 했다. 사실 뭐가 어떻게 변했는지도 모르고 그냥 남들 하니까 따라한다…ㅠ.ㅠ 게다가 Docker 자체를 잘 모르는 상태에서 달리 뭘 어찌해야 하는지도 잘 모르겠고. 텐서플로우 홈페이지에 가도 그냥 기존 코드를 1.0에 맞게 변경하는 내용만 있고…Installing 항목에는 기존과 달라진 내용은 안보이고… 가장 상투적인 것이 가장 확실하다고 했던가. 그냥 기존 버전 삭제 후 재설치 하기로 했다. 그 과정에서도 많은 시행착오를 거쳤지만 굳이 그.. 2017. 2. 23. 수학 개념 정리 #2 - 시그마와 미분 머신러닝을 위한 기초 수학 #2지난 포스팅에서는 선형회귀분석의 가설 함수에 들어있는 개념인 기울기와 절편에 대해 알아보았다. 이번 포스팅에서는 비용함수와 관련하여 ∑ 연산과 제곱함수의 U자 형태 그래프로부터 경사하강법을 이용하여 비용의 최솟값을 찾아내는데 필요한 미분에 대해서 알아보도록 하자. ∑ 연산∑는 특정 범위 내에 있는 일련의 수들의 합을 표시하는 기호이다. 이 기호를 이용한 수식의 각 항을 보면 아래 그림과 같다. 시그마 기호를 기준으로 밑에는 변화하는 값을 표현할 문자(보통 i나 k를 사용)와 그 시작값을 등호로 연결하여 표시한다. 위 그림과 같이 i = 1이라고 표시하면 i라는 기호는 1부터 시작인 것이다. i = 10이라고 한다면 당연히 i가 10부터 시작된다는 의미이다. 다음으로 기호 위.. 2017. 2. 19. 수학 개념 정리 - 기울기와 절편 머신러닝을 위한 기초 수학웬만하면 가급적 수학적인 지식은 상식적인 차원에서 알고 넘어가고자 했으나 아무래도 무리인 것 같다. 일단 기본적으로 필요한 수학적 지식을 그 때 그 때 정리하고 넘어가도록 하자. 오늘은 지난 글에서 정리한 두 개의 함수 중 선형회귀분석의 가설함수를 이해하는데 필요한 수학적 지식인 기울기와 절편에 대해 정리를 해보고자 한다. 이 글은 어디까지나 나와 같이 수학적 지식이 모자라는 사람을 위한 것이며 따라서 수학적 증명같은 것은 없다 오로지 직관이 있을 뿐…-.- 직선의 기울기기울기는 우리가 흔히 아는 바와 같이 직선이 얼마나 기울어져있는가 하는 정도이다. 일상 생활에서는 일반적으로 각도로 표시를 하지만 여기서는 수학적 계산이 필요하므로 수학적인 부분만 살펴보자. 아래 그림을 보자 높.. 2017. 2. 18. 이전 1 ··· 7 8 9 10 11 12 13 ··· 18 다음 반응형
