bro's coding

https://blog.naver.com/kkang2yah/221946593280 [주식 데이터과학 #1] 삼성전자 주식정보를 가져와 주가, 거래량을 그려보자! (주식 라이브러리, s 안녕하세요. 간간히 코딩하며 " #슬기로운_집콕생활 (?)" 열씸히 실천하고 있는 코딩 읽어주는 ... blog.naver.com

Local instance MySQL click! Create a new schema in the connected server click! default

Dynamic SQL을 사용하는 경우는 다음의 두 가지이다. SQL 문장의 일부가 완성되지 않은 경우 예를 들어 UPDATE 문장의 WHERE 절의 조건이 프로그램이 실행될 때 정해지는 경우를 들 수 있다. SQL 문장을 실행할 대상이 정해지지 않은 경우 예를 들어 GRANT 문장을 이용하여 특권을 부여할 사용자가 프로그램이 실행될 때 정해지는 경우를 들 수 있다.

https://aws.amazon.com/ko/blogs/big-data/how-smartnews-built-a-lambda-architecture-on-aws-to-analyze-customer-behavior-and-recommend-content/ How SmartNews Built a Lambda Architecture on AWS to Analyze Customer Behavior and Recommend Content | Amazon Web Services This is a guest post by Takumi Sakamoto, a software engineer at SmartNews. SmartNews in their own words: “SmartNews is a machine learn..

https://www.researchgate.net/figure/Innovation-Genome-in-Healthcare_fig3_321206356

# drop out : 뉴런 몇개를 막아버린다. (X_train,y_train),(X_test,y_test)=mnist.load_data() X_train=X_train/255 X_test=X_test/255 y_train=np.eye(10)[y_train] y_test=np.eye(10)[y_test] from keras.layers import Dropout from keras.layers import Flatten model=Sequential() model.add(Flatten(input_shape=(28,28))) model.add(Dense(128,activation='relu')) model.add(Dropout(0.5)) model.add(Dense(256,activation='relu')..

0.10009336676746607​ # flatten # 출력값을 1차원으로 풀어준다. ( =ravel()) (X_train,y_train),(X_test,y_test)=mnist.load_data() X_train=X_train/255 X_test=X_test/255 y_train=np.eye(10)[y_train] y_test=np.eye(10)[y_test] from keras.layers import Flatten model=Sequential() model.add(Flatten(input_shape=(28,28))) model.add(Dense(128,activation='relu')) model.add(Dense(256,activation='relu')) model.add(Dense(256,..

# 모델 저장 및 로딩 model.save('mnist_model_01.h5') from keras.models import load_model model2=load_model('mnist_model_01.h5') # 훈련 더 하고싶으면 부른 모델에 fit만 더 하면 됨. # 가중치 저장 및 로딩 model.save_weights('mnist_weights_01.h5') model2.load_weights('mnist_weights_01.h5')

# score test pred_y_test=model.predict(X_test) (pred_y_test*y_test).sum()/len(y_test)

import keras from keras.datasets import mnist (X_train,y_train),(X_test,y_test)=mnist.load_data() # 데이터 전처리 X_train=X_train.reshape(-1,28*28)/255. X_test=X_test.reshape(-1,28*28)/255. y_train=np.eye(10)[y_train] y_test=np.eye(10)[y_test] model=Sequential() model.add(Dense(128,activation='relu',input_shape=(784,))) # 중간층 추가 model.add(Dense(256,activation='relu')) model.add(Dense(256,activation='r..