#SeSAC

예를 들어, '나는'이라는 단어(Query)에 대해, 모델은 학습 데이터에서 이와 관련된 Key-Value 쌍을 찾아 'I'(Value)로 번역한다. 이러한 과정이 전체 문장에 걸쳐 이루어지며, 최종적으로 '나는 학교에 간다'는 'I go to school'로 변환된다.

<table border="1" class="dataframe"> <tr style="text-align: right;">

> Anchor Box의 크기는 고정하되, Feature map의 크기를 줄여나간다 => MaxPooling과 같은 효과 > AnchorBox 덕분에 Selective Search보다 계산량이 적음 => 훈련할떈 모르겠으나 사용할떈 빠름

1. **정의**: 알고리즘은 다양한 크기와 비율의 Anchor Boxes를 미리 정의 2. **배치**: 이미지의 각 위치에 이 Anchor Boxes를 배치

2. **Feature Extraction and Network Predictions** 3. **Non-Maximum Suppression (NMS)**

NeurIPS 2019에서는 이러한 개념을 인공지능에 적용하여, 시스템 1과 같은 빠르고 직관적인 결정을 내리는 알고리즘과, 시스템 2처럼 더 복잡하고 계산이 많이 필요한 문제를 해결하는 알고리즘을 연구하고 개발하는 데 초점을 맞췄습니다. 이는 인공지능이 인간처럼 다양한 유형의 문제를 해결하고, 더 복잡하고 유연한 방식으로 사고할 수 있게 하는 데 목적을 두고 있습니다.

영등포 새싹 캠퍼스의 3주년 **생일축하를 기념하는 영스데이에 초대**됐다! > **새싹을 통해서 수강생들의 미래가 피어나기를 바라는 마음**으로 제작

1. **음성 인식 API 선택**: Google Speech-to-Text, IBM Watson Speech to Text 등을 선택합니다. 2. **API 통합**: 선택한 API를 시스템에 통합하여 실시간으로 음성을 텍스트로 변환합니다.

| | 대표언어 | 특징 | | ------ | ------------------------ | ------------------------------------------------------------- |

> 벡터: 크기가 있는 스칼라에 방향을 추가함으로써 같은 크기임에도 다른 숫자로 표현 가능하게 한다 > weighted-sum(가중치합): perceptron이 계산하는것

Filter을 거쳐 Feature Map이 만들어지는 과정 4. **완전 연결 레이어 (Fully Connected Layer)**:

2. 비지도 학습(Unsupervised-Learning) 3. 강화 학습(Reinforcement-Learning)

딥러닝의 히든 레이어에는 비선형 activation을 써야한다: 선형을 쓸 순 있지만 의미가없음 Relu: 가장 흔히 쓰이는 hidden layer의 activation 함수

센트로이드(centroid) 또는 클러스터 중심(cluster center) > 꺽이는 부분: k의 개수를 늘렸을때 효율이 상대적으로 적어지는 부분

Information Gain은 어떤 속성을 기준으로 데이터를 분할했을 때 얻을 수 있는 엔트로피의 감소량이다. 결정 트리 알고리즘에서는 Information Gain이 최대가 되는 속성으로 데이터를 분할한다. \text{Information Gain} = \text{Entropy(parent)} - \sum \left( \frac{\text{number of samples in child}}{\text{number of samples in parent}} \times \text{Entropy(child)} \right)

\[\[2, 4, 6, 8, 10, 12, 14, 16, 18], \[3, 6, 9, 12, 15, 18, 21, 24, 27],

Image Classification과 Object Detection의 차이: ImageNet - 1000만장이 넘는 이미지에 1000개 class

> 회귀, 분류 모두 prediction, 즉 예측이다 1. **유사성 기반 학습 (Similarity-based Learning)**:

만약 작업 T에 대해 기준 P로 측정한 성능이 E로 인해 향상되었다면, 그 프로그램은 작업 T에 대해 P의 관점에서 경험 E로부터 "배웠다"라고 말할 수 있다. (Tom Mitchell, Machine LEarning, 1998) 1. 1차 산업혁명: 증기기관을 활용하여 기계적 혁명 시작

[SeSAC]파이썬 라이브러리를 활용한 데이터분석-3에 대한 내용을 다룬다.

[SeSAC]파이썬 라이브러리를 활용한 데이터분석-2에 대한 내용을 다룬다.

2017 Kaggle 데이터분석 프로젝트중 겪은 어려움 survey: 1. MCAR(Missing Completely at Random)

> 기존 conda 환경중에 버전이 꼬인것들이 많아서 다 지우고 책 환경만 하나 새로 만들었다 > 주피터에 새로 생긴 환경이 생기지 않아 검색해 방법을 찾아냈다

| 지향점 | 학업의 세계 | 직업의 세계 | | ------ | ------------------- | ------------------ |

출처: [Programmers > 힙(heap) > 이중우선순위큐](https://school.programmers.co.kr/learn/courses/30/lessons/42628) 이중 우선순위 큐는 다음 연산을 할 수 있는 자료구조를 말합니다.

2. 앞의 벡터가 행 벡터이고, 뒤의 벡터가 열 벡터이어야 한다 출처: https://coding-kindergarten.tistory.com/154

> - null값은 비교불가기 떄문에, `if i==np.nan`과 같은 비교연산이 불가능하다 > - `pd.isnull()`와 같은 함수로 판단 가능

dartgrid, whitegrid, dart, white, ticks 등

공식 싸이트에서 다운보단 필요한 툴들과 함께 패키지 형식으로 제공하는 아나콘다에서 받는걸 추천 아나콘다 링크: [https://www.anaconda.com/products/distribution](https://www.anaconda.com/products/distribution)

2. 논리적 및 물리적 데이터의 애플리케이션으로부터의 독립성 > homebrew 사용하면 `brew install mysql@8.0.34`로 하면 될것 같다

4. 객체 지향형(Object-Oriented Database) 5. 객체 관계형(Object-Relational Database)

`df.drop([start, end])`: end도 포함 axis : {0 or 'index', 1 or 'columns'}, default 0

《 인공지능 분야에서 사용하는 논리형 고급 프로그래밍 언어. 》 프롤로그(PROLOG)는 LISP(List Processing)보다는 규모가 작기 때문에 PC를 비롯한 여러 종류의 컴퓨터에서 실행이 가능합니다. 프롤로그는 전문가 시스템의 연구에는 기여를 해왔으나, 대형 전문가 시스템 개발에는 적합하지 못합니다. 그러나 병렬 탐색에 적합하게 설계되어 있기 때문에 병렬 처리가 주요 요소가 될 미래의 컴퓨터에 적합한 언어로 여겨지고 있습니다.