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 |
- java역사
- 자료구조
- 결합전문기관
- 재귀함수
- 머신러닝
- pycharm
- postorder
- C언어
- CES 2O21 참여
- web
- cudnn
- inorder
- web 개발
- paragraph
- mglearn
- html
- web 사진
- web 용어
- vscode
- classification
- discrete_scatter
- 대이터
- bccard
- Keras
- CES 2O21 참가
- 데이터전문기관
- tensorflow
- broscoding
- 웹 용어
- KNeighborsClassifier
- Today
- Total
목록전체 글 (688)
bro's coding
PaaS(Platform as a Service) 환경은 애플리케이션 개발, 배포, 관리, 운영을 위한 플랫폼을 제공하는 클라우드 서비스 모델입니다. 개발자나 조직은 하드웨어나 인프라를 직접 관리하지 않고도 애플리케이션 개발과 배포에 집중할 수 있습니다.PaaS 환경의 주요 특징관리형 인프라서버, 스토리지, 네트워크, 운영 체제 등 인프라 관리가 클라우드 제공업체에 의해 처리됩니다.사용자는 애플리케이션 개발에만 집중 가능.개발 도구 및 프레임워크 제공통합 개발 환경(IDE), 데이터베이스 서비스, 미들웨어, API 등이 포함.다양한 프로그래밍 언어와 프레임워크 지원(Java, Python, .NET 등).확장성애플리케이션 규모에 따라 자원(컴퓨팅, 스토리지 등)을 동적으로 확장하거나 축소할 수 있음.자동..
1. 애플리케이션 아키텍처 및 워크로드단순성: 워크로드가 단순하다면 관리가 쉬운 서비스(Azure App Service) 선택.확장성: 자동 확장이 필요하다면 Azure Functions(서버리스) 또는 Azure Kubernetes Service(AKS)와 같은 서비스를 고려.지속성: 장기 실행 프로세스가 필요한 경우 Azure Virtual Machines.2. 서비스 유형Azure는 다양한 컴퓨팅 옵션을 제공합니다. 요구 사항에 따라 선택합니다:Virtual Machines (VMs)완전한 제어가 필요하거나 기존 환경을 Azure로 이동하려는 경우 적합.예: 데이터베이스 서버, Windows/Linux 기반 애플리케이션.Azure App Service웹 애플리케이션, API 또는 모바일 백엔드 배포..
CAF( Cloud Adoption Framework ): 클라우드 채택 프레임워크로, Microsoft, AWS, Google Cloud와 같은 주요 클라우드 공급업체들이 제공하는 가이드라인입니다.조직이 클라우드 기술을 효과적으로 채택하고, 운영 프로세스를 현대화하는 데 도움을 주기 위해 설계되었습니다.주요 구성 요소: 전략, 계획, 준비, 거버넌스, 관리를 포함하여 클라우드 전환의 각 단계에 대한 지침 제공. WAF( Web Application Firewall):웹 공격 방어SQL 인젝션, 크로스 사이트 스크립팅(XSS), 파일 삽입 공격 등 웹 애플리케이션을 대상으로 한 다양한 공격으로부터 보호합니다.트래픽 모니터링 및 필터링웹 요청을 실시간으로 분석하여 악의적인 요청이나 비정상적인 트래픽을 탐지..
https://data.bccard.com
https://jsw6701.github.io/ai/1 [AI] AICE Associate 시험 내용 및 데이터 전처리, 머신러닝, 딥러닝 jsw6701.github.io
딥러닝Permalink 라이브러리 importPermalink import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout tf.random.set_seed(100) Sequential 모델 생성Permalink # Sequential() 모델 정의 하고 model로 저장 # input layer는 input_shape=() 옵션을 사용한다. # 39개 input layer # unit 4개 hidden layer # unit 3개 hidden layer # 1개 output layser : 이진분류 model = Sequential() model...
데이터 정규화/스케일링(Normalizing/Scaling)Permalink from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test)
Tranin, Test 데이터셋 분할Permalink 입력(X)과 레이블 (y) 나누기 = df1.drop('Churn', axis=1).values y = df1['Churn'].values from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, stratify=y, random_state=42) 모델 개발Permalink 모델별 바차트 그려주고 성능 확인을 위한 함수 # 모델별로 Recall 점수 저장 # 모델 Recall 점수 순서대로 바차트를 그려 모델별로 성능 확인 가능 from sklearn.metrics import accu..
오브젝트 타입 골라서 → 전부 숫자형Permalink LabelEncoder 활용 : Pandas get_dummies 함수 이용하여 One-Hot-Encoding cal_cols = df.select_dtypes('object').columns.values df1 = pd.get_dummies(data=df, columns=cal_cols)
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/sqn4h/btso11tgFDI/1OcSRkHoyik5WkkwARjfV0/img.png)
시각화Permalink 라이브러리 import import matplotlib.pyplot as plt %matplotlib inline Bar Chart df[’gender’].value_counts().plot(kind=’bar’) Object 컬럼 하나씩 가져와서 Bar 차트 그리기 object_list = df.select_dtypes('object').columns.values for col in object_list: df[col].value_counts().plot(kind='bar') plt.title(col) plt.show() Histgram import seaborn as sns sns.histplot(data=df, x=’tenure’, hue=’Churn’) 곡선 히스토그램 : s..