아미(아름다운미소)

MSSQL 특정 문자나 숫자 자릿수에 맞춰 0 채우기 (특정문자 채우기) 어떤 select 결과에 대해서 특정 길이로 맞춰서 그 길이에 못미치는 데이터에 대해서 길이만큼 특정 문자나 숫자를 채우고 때가 있습니다. 예를 들어 111, 22, 3333 -> 0000111, 0000022, 0003333 => 7자리로 맞추고자 할때 아래와 같이 합니다. SELECT REPLICATE('채울문자', 전체길이 - LEN('데이터')) + '데이터' 예시) SELECT REPLICATE('0', 7 - LEN('1234')) + '1234' 결과) 0001234 * 먄약 숫자 타입인 경우 SELECT REPLICATE(0, 7 - LEN(1234)) + CONVERT(VARCHAR,1234) ​ * 추가 * SEL..

라즈베리 파이 주피터 노트북(Jupyter Notebook) 설치하기 1. 설치 전 기본 작업 $ sudo apt-get update $ sudo apt-get install python3-matplotlib $ sudo apt-get install python3-scipy $ sudo apt-get install python3-pip $ sudo pip3 install --upgrade pip $ sudo reboot 2. 설치 $ sudo pip3 install jupyter 3. 실행 $ jupyter-notebook --ip=[라즈베리파이 IP 주소] --no-browser 예 > $ jupyter-notebook --ip=192.168.25.57 --no-browser

심층 신경망(Deep Neural Network)의 장∙단점-장점①연속형, 범주형 변수에 상관없이 모두 분석 가능하다.②입력 변수들 간의 비선형 조합이 가능하다. 이는 다른 신경망에 비해 DNN이 가지는 가장 좋은 장점 중 하나다.③예측력이 다른 머신러닝 기법들에 비해 상대적으로 우수한 경우가 많다.④feature extraction이 자동으로 수행된다. 이것은 변수 선택의 번거로움을 줄여준다. ⑤Data양이 많아지면 성능이 계속 좋아진다.-단점①신경망이 복잡할 경우 작동하는데 시간이 오래 걸린다. 때문에 GPU가 장착된 컴퓨터 및 고사양의 컴퓨터가 필요하다.②분석 시 변수들을 일정한 순서나 방식으로 넣는 것이 아니기 때문에 결과가 일정하지 않다.③가중치의 의미를 정확히 해석하기가 어렵기 때문에 결과 해..

은닉 계층에 대한 활성화 함수는 네트워크에 비선형성을 적용하는 데 필요합니다. 활성화 함수가 적용되고, 결과는 네트워크 내의 다음 뉴런으로 전달됩니다. 대부분의 비선형 함수들이 사용되는데, 주로 시그모이드(로지스틱 회귀분석에서 쓰이는 법)함수가 많이 사용됩니다. 최근에는ReLU활성화 함수가 자주 쓰입니다. 풀어쓰면 Rectified linear unit으로 “선형유닛을 개선”한다는 의미로써 비선형의 구조를 가진 데이터를 분석하는데 용되는 활성화 함수입니다. 기울기를 이용해 가중치를 업데이트하므로 평평한 활성화 함수는 문제가 있는데 가중치의 변화는 활성화 함수의 기울기에 좌우되기 때문입니다. 작은 기울기는 곧 학습 능력이 제한된다는 것을 의미하고 이를 일컬어 신경망에 포화(Saturation)가 발생했다고..

※경사 하강법이란? 최대로 오차를 줄이는 방향으로 가중치를 변경하기 위한 방법입니다. 가중치를 조절함으로써 오차가 최소가 되도록 값을 조절해야 하는데 이때 사용하는 것이 경사 하강법입니다. 이때, 학습률(learning rate)이라는 개념이 사용되는데, 학습률을 너무 높게 주면 건너뛰는 폭이 커집니다. Convergence(최적점)에 도달하기도 전에 높은 학습률 때문에 최적점을 무시하고 다시 높아지는 오차를 가져올 수 있습니다. 실제로 어느 예제 데이터에 적용한 학습률과 epoch에 따른 손실을 추정한 위의 그래프를 보면, 높은 학습률을 가질수록 손실이 많아지게 되는걸 볼 수 있습니다. 높은 학습률로 인해 최적의 값을 지나쳐버리고 계속 엉뚱한 값들만 탐색하고 있음을 알 수 있습니다. 전역 최솟값(glo..

심층신경망(Deep Neural Network)이란? 심층 신경망(Deep Neural Network, DNN)은 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)입니다. 심층 신경망은 일반적인 인공신경망과 마찬가지로 복잡한 비선형 관계(non-linear relationship)들을 모델링할 수 있습니다. 예를 들어, 사물 식별 모델을 위한 심층 신경망 구조에서는 각 객체가 이미지 기본 요소들의 계층적 구성으로 표현될 수 있습니다. 이때, 추가 계층들은 점진적으로 모여진 하위 계층들의 특징들을 규합시킬 수 있습니다. 심층 신경망의 이러한 특징은, 비슷하게 수행된..

※ Epoch이란? 심층신경망인 DNN 모델링을 할 때, 조절인자 중 Epoch이란 인자가 있습니다. Epoch은 DNN에서 순환하는 과정을 몇 번 수행할지 정해주는 인자입니다. 즉, 10으로 설정되면, 10번 만큼 되돌아갔다가 다시 수행함을 의미합니다. 다른 말로도 순환주기라고 할 수 있지만 Epoch에 너무 큰 값을 주게 되면 수행시간이 오래 걸린다는 단점이 있습니다.

한글문자 입력 금지 : 아예 한/영 키를 눌러도 한글이 입력되지 않습니다.

글상자 입력시 한/영 전환키를 사용하지 않아도 자동으로 영문이 입력되게 합니다. 한글 초기화: 한/영 키 사용않고 자동으로 영문입력되게합니다. (ime-mode:inactive) 예)

글상자 입력시 한/영 전환키를 사용하지 않아도 자동으로 한글이 입력되게 합니다. 한글 초기화: 한/영 키 사용않고 자동으로 한글입력되게합니다. (ime-mode:active) 예)