목록AIFFEL (20)
A.I
생성 모델링¶ 1. Pix2Pix¶ 간단한 이미지를 입력 시 실제 사진처럼 보이도록 바꿔줄 때 많이 사용되는 모델 원리 단순화된 이미지(Input Image)와 실제 이미지(Ground Truth)를 쌍을 이루는 데이터셋으로 학습을 진행 왼쪽의 Input Image를 입력받으면, 내부 연산을 통해 실제 사진같은 형상으로 변환된 Predicted Image를 출력 2. CycleGAN¶ 양방향으로의 이미지 변환 3. Neural Style Transfer¶ 전체 이미지의 구성을 유지하고 싶은 Base Image와 입히고 싶은 스타일이 담긴 Style Image 두 장을 활용해 새로운 이미지를 만들어 내는 것 Fashion MNIST¶ pip install imageio pip install Pillow m..
인물사진 모드¶ mkdir -p ~/aiffel/human_segmentation/models mkdir -p ~/aiffel/human_segmentation/images pip install opencv-python 1. 사진준비하기¶ In [2]: import cv2 import numpy as np import os from glob import glob from os.path import join import tarfile import urllib # 웹에서 데이터를 다운로드 받을 때 사용 from matplotlib import pyplot as plt import tensorflow as tf In [3]: import os img_path = os.getenv('HOME')+..
캐글 따라해보기¶ conda install -c conda-forge xgboost conda install -c conda-forge lightgbm conda install -c conda-forge missingno In [1]: import matplotlib.pyplot as plt %matplotlib inline %config InlineBackend.figure_format = 'retina' In [3]: # 필요한 라이브러리 import import warnings warnings.filterwarnings("ignore") import os from os.path import join import pandas as pd import numpy as np import missingno ..
플레이리스트 곡 추천 시스템 만들기¶ 1. 목표¶ 추천시스템의 개념과 목적을 이해한다. Implicit 라이브러리를 활용하여 Matrix Factorization(이하 MF) 기반의 추천 모델을 만들어 본다. 음악 감상 기록을 활용하여 비슷한 아티스트를 찾고 아티스트를 추천해 본다. 추천 시스템에서 자주 사용되는 데이터 구조인 CSR Matrix을 익힌다 유저의 행위 데이터 중 Explicit data와 Implicit data의 차이점을 익힌다. 새로운 데이터셋으로 직접 추천 모델을 만들어 본다. 2. 추천시스템의 종류¶ 협업 필터링 - 다수의 사용자가 아이템을 구매한 이력 정보만으로 사용자간 유사성 및 아이템 간 유사성을 파악하는 방식 콘텐츠 기반 필터링 - 아이템의 고유의 정보를 바탕으로 아이템 간..
닮은 연예인 얼굴 찾기¶ 목표 임베딩에 대해 이해 및 얼굴의 임베딩 벡터 추출 얼굴의 임베딩 벡터로 닮은 꼴인 얼굴을 검색 나와 닮은 연예인을 검색 1. 임베딩이란?¶ 고차원 정보를 저차원으로 변환하면서 필요한 정보를 보존하는 것 임베딩 공간에서 의미적으로 비슷한 입력 사항들을 가깝게 배치함으로써 입력에 포함된 의미 중 일부를 포착하는 것 머신러닝을 위한 특성 임베딩 추출 및 제공 2. 얼굴 인식¶ 이미지 속에서 얼굴 영역만을 정확하게 인식해서 추출 Input image - Detection - Transform - Crop과정을 거침 2-1. dlib을 이용한 추출¶ HOG(Histogram of Oriented Gradient) feature를 사용해서 SVM(Support Vector Machine..
작사가 인공지능 만들기¶ 1. 시퀀스¶ 시퀀스는 데이터의 나열로 정렬과는 다르다 종류에는 리스트(list), 튜플(tuple), 레인지(range), 문자열(string)이 있다. 시퀀스 명령어 sum(number_list) center(['가', '나', '다', '라', '마']) = '다' mirror([1, 2, 3]) = [1, 2, 3, 2, 1] minmax([92, -21, 0, 104, 51, 76, -92]) = [-92, 104] mean([92, -21, 0, 104, 51, 76, -92]) = 30.0 append(x) 요소 x를 시퀀스의 끝(오른쪽)에 추가 insert(i, x) 요소 x를 시퀀스의 i 위치에 삽입 extend(seq) 대상 시퀀스를 시퀀스의 끝에 연결 , +=..
음성 데이터 분류¶ - 학습 목표¶ Audio 형태의 데이터를 다루는 방법에 대해서 알아보기 Wav 파일의 형태와 원리를 이해하기 오디오데이터를 다른 다양한 형태로 변형시켜보기 차원이 다른 데이터에 사용가능한 classification 모델 직접 제작해보기 1. 오디오 데이터의 표본화¶ In [26]: import numpy as np import matplotlib.pyplot as plt def single_tone(frequecy, sampling_rate=16000, duration=1): t = np.linspace(0, duration, int(sampling_rate)) y = np.sin(2 * np.pi * frequecy * t) return y y = single_tone(400) #..
영화 리뷰 텍스트 감성분석하기¶ 1. 텍스트를 숫자로 표현하는 방법¶ In [11]: # 처리해야 할 문장을 파이썬 리스트에 옮겨담았습니다. sentences=['i feel hungry', 'i eat lunch', 'now i feel happy'] # 파이썬 split() 메소드를 이용해 단어 단위로 문장을 쪼개 봅니다. word_list = 'i feel hungry'.split() print(word_list) ['i', 'feel', 'hungry'] In [12]: index_to_word={} # 빈 딕셔너리를 만들어서 # 단어들을 하나씩 채워 봅니다. 채우는 순서는 일단 임의로 하였습니다...