※참고자료: [정리노트] AutoEncoder의 모든것 Chap1. Deep Neural Network의 학습 방법에 대해 알아보자(딥러닝 학습방법) (tistory.com) [정리노트] AutoEncoder의 모든것 Chap1. Deep Neural Network의 학습 방법에 대해 알아보자(딥러닝 학습방 AutoEncoder의 모든 것 본 포스팅은 이활석님의 'AutoEncoder의 모든 것'에대한 강연 자료를 바탕으로 학습을 하며 정리한 문서입니다. 이활석님의 동의를 받아 출처를 밝히며 강의 자료의 일부를 인용 deepinsight.tistory.com 1. Manifold Learning 1) Manifold Learning 정의 : 고차원 데이터가 있을 때 고차원 데이터를 데이터 공간에 뿌리면,..

3.1 Some Simple Forecasting Methods 1) Average Method *평균으로 미래 값 예측하는 방식 *T+h 시각에서의 값을 예측하고자 한다면, -y1, ..., yT: 과거 데이터 2) Naive Method *가장 최신에 관측된 값을 미래 값으로 예측하는 방식 -이 방식은 데이터가 random walk 형태를 보일 때 사용하기 좋음 ⇒ 따라서 random walk forecasts라 불리기도 함 3) Seasonal Naive Method *seasonal한 데이터에 위 naive method와 비슷한 예측 방식 적용 -'같은' 계절/월에서 가장 최신에 관측된 값을 미래 값으로 예측하는 방식 -m: 계절 주기 -k: (h-1)/m의 정수 값 (the number of c..

[C#] 데이터 자료형 1. 기본 데이터 형식 vs. 복합 데이터 형식 *기본 데이터 형식: 말 그대로 '기본' 형식. 정수(int), 문자열(string) 등... *복합 데이터 형식: 기본 데이터가 모여서 만들어진 데이터 형식 2. 값 형식 vs. 참조 형식 *값 형식: 변수가 값을 저장할 때 말 그대로 '값' 그 자체를 저장 (파이썬의 mutable과 비슷함: 정수, 실수, 문자 등) *참조 형식: 변수가 값을 저장할 때 저장할 값을 참조함 (값의 '주소'를 저장함) (파이썬의 immutable과 비슷함: 리스트, 딕셔너리 등) 3. 데이터 세부 형식 1) 데이터 세부 형식 데이터 형식 구분 분류 크기(Byte) 값의 범위 byte 부호 없는 정수 값(struct) 1 (8bit) 0 ~ 255 s..

※ C# 기초 내용 참고한 블로그: https://dnmaxi.tistory.com/ IT가 만드는 재기 넘치는 세상 c#, c++, 게임 프로그래밍, unity, IT 제품 리뷰 블로그 입니다. dnmaxi.tistory.com 1. 출력 및 입력 1) System.Console.WriteLine() (Python의 print 역할) *출력하는 메소드 *코드 using System; namespace ConsoleApp1 { class Program { static void Main(string[] args) { Console.WriteLine("Hello World!"); Console.WriteLine("안녕!"); } } } *결과 2) System.Console.Write() *출력하는 메소드 ..

2.3 Time series patterns 1) Trend, Seasonal, Cyclic *Trend: 데이터가 장기적으로 증가하거나 감소하는 패턴 (비선형이어도 됨) *Seasonal: 연간 혹은 주간과 같이 계절적인 요인에 의해 영향을 받는 패턴 *Cylic(Cycle): 빈도가 고정되지 않은 채(특정 값에 고정되지 않음) 데이터가 증가하고 감소하는 패턴 -cyclic vs. seasonal: 만약 변동이 빈도에 고정되지 않으면 cyclic, 반면 빈도가 변하지 않고 날짜 측면에서 일부 요소에 의해 영향을 받는 경우 seasonal -일반적으로 cycle의 평균 길이 > seasonal 패턴의 평균 길이 -cycle의 변동 강도 > seasonal 패턴의 변동 강도 2.4 Seasonal Plot..

※ 교재 요약함 1. BERT 개념 *BERT: 문맥을 고려한 임베딩 모델 -문장의 각 단어를 문장의 다른 모든 단어와 연결시켜 문장의 문맥을 이해한 다음, 문맥에 따라 단어 임베딩 생성 -인코더만 사용하는 트랜스포머 기반 모델 -문장을 BERT에 입력하면, BERT는 각 단어에 대한 문맥 표현을 반환 2. BERT 사전 학습 1) BERT의 입력 표현 *BERT에 데이터를 입력하기 전, 토큰 임베딩, 세그먼트 임베딩, 위치 임베딩 레이어를 기반으로 입력 데이터를 임베딩 벡터로 변환해야 함 (1) 토큰 임베딩 ① 주어진 문장에서 토큰 추출 후, 맨 처음에는 [CLS] 토큰을, 모든 문장의 맨 뒤에는 [SEP] 토큰 추가 (ex) 'I like movies. They are interesting' 토큰화 ..