Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- topic modeling
- 임베딩
- hugging face
- word2vec
- semantic network
- 토픽모델링
- 구글클라우드플랫폼
- 알파베타가지치기
- 감성분석
- QANet
- Meena
- Google Cloud Platform
- dynamic topic modeling
- degree centrality
- Enriching Word Vectors with Subword Information
- sequential data
- 허깅페이스
- Min-Max 알고리즘
- Holdout
- sensibleness
- word representation
- sbert
- 사회연결망분석
- 의미연결망
- 머신러닝
- type-hint
- GCP
- 동적토픽모델링
- ROC-AUC Curve
- 분류모델평가
Archives
- Today
- Total
목록sequential data (1)
Dev.log
CNN(Convolutional neural network)의 배경
최근 뉴스에서 인공지능이 하나의 주요 이슈로 부상하면서 우리는 머신러닝, 딥러닝이라는 말을 많이 들어보았을겁니다. 그럼 왜 인공지능이 주요이슈로 부상했을까요? 제가 생각하는 이유로는 인간이 생성하는 sequential data가 비로소 기계가 잘 처리할수 있게 되었기 떄문일거라 생각합니다. 여기서 sequential data는 '데이터 집합 내의 객체들이 어떤 순서를 가진 데이터'로 그 순서가 변경될시, 데이터의 고유 특성을 잃어버릴 수 있습니다. 예를 AAPL의 2022년 1월 31일 부터 2월 3일까지의 데이터를 확인해 보겠습니다. import yfinance df = yfinance.download('AAPL',start = '2022-01-31', end = '2022-02-03')['Open']..
머신러닝과 딥러닝
2022. 2. 17. 21:52