'PYTHON' 태그의 글 목록 (2 Page)

본문 바로가기

728x90

PYTHON

7/19 화_RPA, 코딩 테스트 연습(Python) 1. RPA(Robotic Process Automation) 로보틱 자동화 과정(사람이 반복적으로 처리하는 업무를 로봇 자동화로 하는 것) 현재는 데이터 입력 등의 단순 반복 업무 프로세스의 자동화에 주로 적용되고 있지만, 향후 AI, 머신러닝 등의 기술이 발전, RPA와 결합한다면 자료 분석 및 Solution 제시 등의 영역까지도 가능(?)할 수 있음 솔루션 - 삼성 SDS의 Brity Works RPA, UI Path, Automation Anywhere, Blue Prism, Softomotive 출처: https://namu.wiki/w/RPA 2. 16진수를 입력받아 8진수로 출력 a = int(input(), 16) # 입력된 값을 16진수로 인식해 변수 a에 저장. f print('%o'.. 더보기

7/17 일_코딩 테스트 연습(Python) 1. 얕은 복사, 깊은 복사 - 얕은 복사: a를 b로 복사했을 때 a, b는 같은 메모리 주소를 사용함 - =로 복사 → a, b 중 하나의 값을 변경해도 같은 곳을 가리키기 때문에 a, b 변수가 동일하게 바뀜 - 깊은 복사 : a를 b로 복사했을 때 a, b는 서로 다른 메모리 주소를 가리킴 - .copy() 메서드(리스트 복사) 혹은 copy 모듈의 copy.deepcopy() 함수(다차원 배열 복사)로 복사 → a, b 변수가 독립적임 원본 = [45, 73, 66, 87, 92] print('원본:', 원본) 얕은복사 = 원본 얕은복사[0] = 1111 # 사본, 원본 같이 바뀜 깊은복사 = 원본.copy() 깊은복사[0] = 555 # 사본만 바뀜 print(f'얕은복사: {얕은복사}', f.. 더보기

7/16 토_코딩 테스트 연습(Python) 1. .sort() 메서드, sorted() 함수 - .sort() 메서드 : 메모리 공간 절약을 위해 시퀀스를 제자리에서 수정하여 효율적 정렬된 시퀀스를 반환하지 않음 key와 reverse 두 개의 인자를 받음 (reverse=True) 내림차순 정렬 - sorted() 함수 : sort() 메서드와 다르게 정렬된 객체를 반환함 iterable 객체, key, reverse의 인자를 받음 c = [5, 4, 3, 2, 1] print(f'sorted 함수: {sorted(c)}', f'원본: {c}', sep='\n') c.sort() print(f'sort 메서드: {c}') 2. %d %f %s %x %o 포맷팅 num_1 = 15 num_2 = 3.0 str_1 = 'abc' print('숫자 .. 더보기

4/6 수 수요일! 오늘은 Multinomial Classification을 배운다. Linear Regression(연속적인 숫자 값 예측)이 발전한 것이 Logistic Regression → Classification(분류를 판단하는 예측) - Binary Classification(이항분류) - Multinomial Classification(다항분류) Logistic Regression은 이진 분류에 특화됨 SKlearn이 제공하는 분류기인 Gradient Descent(경사하강법)가 발전한 형태인 SGD Classifier(Stochastic Gradient Descent, 확률적 경사하강법) 1. Binary Classification - 위스콘신 유방암 데이터 by Gradient Descent Cl.. 더보기

4/1 금 금요일! 😎 어제 잠깐 소개한 Logistic Regression을 배운다~ Linear Regression(연속적인 숫자 값 예측)이 발전한 것이 Logistic Regression → Classification(분류를 판단하는 예측) - Binary Classification(이항분류) - Multinomial Classification(다항분류) 그래프를 볼 수 있는 유틸리티 모듈(mglearn)을 추가적으로 설치하자 conda activate maching_TF15 pip install mglearn conda install은 이미 설치되어 있는 모듈, 패키지에 대한 Dependency를 고려해서 최적인 버전을 설치, pip install은 그냥 깔아버림 Logistic Regression : L.. 더보기

3/29 화 화요일! 오늘은 어제 배운 Simple Linear Regression(단순 선형 회귀)을 코드로 구현한다. 1. Training Data Set 준비 : Data pre-processing(데이터 전처리). 사용할 수 있는 형태로 준비 2. Linear Regression Model을 정의 : y = Wx+b(예측 모델). hypothesis(가설) 3. 최적의 W(weight, 가중치), b(bias, 편차)를 구하려면 loss function(손실함수)/cost function(비용함수) → MSE 4. Gradient Descent Algorithm(경사하강법) : loss function을 편미분(W, b) × learning rate 5. 반복학습 진행 1. Training Dat.. 더보기

3/28 월 월요일! 금요일에 이어 머신러닝 들어간다~ Weak AI의 머신러닝 기법들 : 지도 학습, 비지도 학습, 강화 학습 1. Regression(회귀) : 데이터에 영향을 주는 조건들의 영향력을 고려해서, 데이터에 대한 조건부 평균을 구하는 기법 * 평균을 구할 때 주의해야 할 점 : 평균을 구하는 데이터에 이상치가 있을 경우 대표값으로 사용하기 어려움. 정규분포여야 함! 고전적 선형 회귀 모델(Classical Linear Regression Model) 단순 선형 회귀(Simple Linear Regression) import numpy as np import pandas as pd import matplotlib.pyplot as plt df = pd.DataFrame({'공부시간(x)': [1,2,3.. 더보기

3/17 목 목요일! 오늘은 외부 resource를 이용해서 DataFrame을 생성하는 것을 배운다. 첫 번째 방법은 CSV 파일 사용, 두 번째는 MySQL 안에 DB로부터 SQL 이용해 DataFrame을 생성 - SQL 직접 or ORM 방식(Django) Jupyter Notebook과 MySQL 연동시키기 위해 Anaconda Prompt로 외부 모듈 설치 conda activate machine conda install pymysql 1. MySQL에 새로운 schema 생성 후 메뉴에서 Open SQL Script로 DB 열기 새로운 Query Tab 열리면 번개 눌러주고, 안에 있는 DB 확인 create database lecture_0317; use lecture_0317; select * fro.. 더보기

이전 1 2 3 다음

728x90

티스토리툴바