분류 전체보기58 [8기 Data Science] 1주차 미션 - 데이터 사이언스를 위한 파이썬과 판다스 동기부여 보호되어 있는 글 입니다. 2022. 11. 1. [SW 코딩 훈련] 핵심 HTML/CSS 기초 03. 웹 사이트의 디자인Ⅱ 캐스케이딩 CSS의 우선순위를 결정하는 요소로 순서, 디테일, 선택자가 있다. 순서에 의한 캐스케이딩 동일한 태그에 대해서 스타일 시트가 적혀있을 때, 스타일 시트는 위에서 아래로 읽기 때문에 아래에 동일한 태그를 가진 스타일 시트가 나오면 앞의 것을 대체한다. 나중에 적용한 속성값의 우선순위가 높은 것이다. 디테일에 의한 캐스케이딩 02. 웹 사이트의 디자인Ⅰ에서 봤던 것처럼, 더 구체적으로 작성된 선택자의 우선순위가 높다. 즉, 부모 자식 관계가 더 명료한 경우를 따른다. 선택자에 의한 캐스케이딩 style > id > class > type 순으로 우선순위가 높다. 더 구체적으로 콕 집어 말하는 선택자가 우선순위가 더 높다. CSS 주요 속성 Width, Height Width은 선택한 요소의 너비.. 2022. 11. 1. [SW 코딩 훈련] 핵심 HTML/CSS 기초 02. 웹 사이트의 디자인Ⅰ CSS(Cascading Style Sheet) 정보(HTML)와 디자인(CSS)의 분리가 주요 목적이다. HTML 속성을 이용해서 디자인을 부여할 수 있으나 모든 태그에 스타일을 부여하다보면 코드도 복잡해지고 가독성도 떨어지게 된다. 핵심 정보만 담아서 저장하고 디자인 담당은 따로 보관하는 환경을 가능하게 해준다. 문서의 레이아웃(디자인)과 스타일을 정의할 수 있다. 한 문장으로 정리하자면 HTML로 작성된 정보를 꾸며주는 언어라고 할 수 있다. CSS 구성 요소 선택자 : 디자인을 적용할 HTML 영역. 태그와 비슷한 역할을 한다. 속성 : 어떤 디자인을 적용할지 정의 속성값 : 어떤 역할을 수행할지 구체적으로 명령. 세미콜론(;) 필수 입력. ※ HTML에서 '=' 기호를 썼던 것과 달리 ':'을 .. 2022. 10. 30. [딥러닝 기초 다지기] 3-3. Computer Vision Applications Semantic Segmentation 어떤 이미지에 대해 픽셀마다 어디에 속하는지 분류하는 문제다. 예를 들어 자율 주행에서 내 앞에 있는 물체가 사람인지, 도로인지, 인도인지, 신호등인지 등에 대해 구분해야 하는 경우가 있다. 특히 센서를 활용하지 않고 이미지만을 갖고 다루는 문제에서는 Semantic Segmentation이 중요하다. Fully Convolutional Network Convolutional Feature Map을 원하는 차원 벡터로 가는 fully-connected layer로 만드는 흔한 CNN 과정이다. Fully Convolutional Network는 dense layer를 없애서 output을 Conv layer으로 바꾼다. 이 dense layer 없애는 과정을 Con.. 2022. 10. 25. 표경호(2020), 「인공지능을 이용한 바이오인포메틱스와 데이터 기반 신약개발 연구 동향」 의료산업에서의 적용 인공지능이 의료산업에서 적용되는 범위는 연구 분야를 비롯하여 신약 개발, 환자 데이터 수집 및 분석 그리고 위협 요소 확보, 병원 관리 프로그램, 임상의사의 수술 지원 그리고 웨어러블 디바이스(Wearable device)를 이용한 환자의 건강 추적 관리 등이 있다. 지도형 학습 : 이미 환자의 예후가 존재하는 임상데이터에서 임상적인 마커들이 존재한다면, 이 가운데 환자의 예후를 결정지을 수 있는 주요 인자들을 인공지능을 이용해 발굴할 수 있고, 신약에 대해 임상적으로 중요한 요소에 대한 예측이 가능하다. 약물 개발과정 1. 생물학적인 활성을 갖는 새로운 화학적 화합물의 선별과 생물학적 활성 검증 → 리드 물질 확보 2. 리드 물질의 생물학적인 영향과 리드 물질의 신약으로서의 영향도 .. 2022. 10. 24. [딥러닝 기초 다지기] 3-2. Modern CNN - 1x1 convolution의 중요성 완전 Modern이라고 하기엔 어폐가 있으니 주의하며 강의를 듣자. 네트워크를 깊게 쌓아가면서 Parameter를 줄여나가는 기술을 알아가보자. AlexNet AlexNet은 2012년에 개최된 ILSVRC(ImageNet Large-Scale Visual Recognition Challenge) 대회의 우승을 차지한 CNN 구조이다. AlexNet이 잘 될 수 있었던 이유는 다음과 같다. Rectified Linear Unit(ReLU) activation : 활성 함수가 가져야 하는 큰 특징은 비선형(Non-Linear)이다. ReLU도 비선형 함수라고 볼 수 있다. 0보다 클 때에 기울기(slope)가 1이기 때문에 원하는 gradient가 사라지거나 레이어를 깊게 쌓았을 때 네트워크를 망칠 수 있.. 2022. 10. 24. [생명과학을 위한 딥러닝] 4장. 분자 수준 데이터 다루기 분자 수준의 데이터에 머신러닝을 사용하는 것은 재료화학과 화학 분야에서 특히 유용하다. 노동 집약적인 실험의 양을 줄이고 머신러닝을 통해 새로운 분자 구조를 예측할 수 있기 때문이다. 다시 말해 무작위로 실험하는 대신 머신러닝 모델로부터 제안된 분자를 사용해 실험함으로써 성공 가능성을 높일 수 있다. 분자 수준 데이터에 머신러닝을 적용하기 위해 먼저 분자 구조 데이터를 벡터로 변환하는 분자 피처화(molecular featurization)가 필요하다. 분자는 복잡한 구조를 갖기 때문에 이를 표현하기 위해 다양한 기술이 개발됐다. 분자 피처화가 끝나면 머신러닝을 진행한다. 분자 데이터 피처화 SMILES 문자열과 RDKit SMILES(Simplified Molecular-Input Line-Entry .. 2022. 10. 18. [생명과학을 위한 딥러닝] 3장. DeepChem을 이용한 머신러닝 (2) MNIST 데이터셋으로 필기 인식 모델 만들기 이번 프로젝트도 오류가 많아서, 설명하면서 정정하려고 한다. 앞에서는 DeepChem에 사전 정의된 모델인 dc.models.MultitaskClassifier를 사용해 머신러닝을 했다. 그러나 사전 정의된 모델보다 사용자가 직접 모델을 정의하는 일이 더 많다. 직접 합성곱 신경망 모델을 만들어 MNIST 필기 인식 데이터셋에 적용시키는 방법을 배운다. MNIST 필기 인식 데이터셋은 필기된 숫자를 올바르게 분류하는 머신러닝에 많이 사용된다. 전체적인 구조는 이미지의 일부 피처를 식별하기 위한 두 개의 합성곱 레이어로 시작해서 두 개의 완전 연결 레이어(full connection layer)를 통해 이미지에 적힌 숫자를 예측한다. 시작하기에 앞서 터미널에 .. 2022. 10. 17. 이전 1 2 3 4 5 6 7 8 다음
