총 34개
-
머신러닝 개요 및 Google Colab, Jupyter Notebook 기초 실습2025.12.111. 머신러닝의 개념 및 분류 머신러닝은 컴퓨터가 데이터로부터 스스로 학습하여 패턴을 발견하고 예측하는 인공지능의 한 분야입니다. 인공지능의 하위 집합이며, 딥러닝은 머신러닝의 한 방법론입니다. 머신러닝은 지도학습(정답 데이터 제공), 비지도학습(패턴 발견), 강화학습(보상 최대화)으로 나뉩니다. 지도학습은 분류와 회귀 문제에 사용되며, 비지도학습은 군집화와 차원 축소에 사용됩니다. 2. 지도학습(Supervised Learning) 지도학습은 입력 데이터와 정답 데이터(레이블)가 주어진 상태에서 모델을 훈련시키는 방법입니다. 분류...2025.12.11
-
OpenCV Python을 이용한 사진 종류 분류2025.12.161. SIFT 특징 추출 SIFT(Scale-Invariant Feature Transform)는 영상의 특징점과 디스크립터를 추출하는 알고리즘입니다. 본 프로젝트에서는 기준 이미지와 검색 대상 이미지에서 SIFT 객체를 생성하여 특징점과 디스크립터를 계산합니다. 이를 통해 영상의 고유한 특성을 수치화하여 이후 매칭 과정에 사용합니다. 2. 특징 매칭 및 유사도 계산 BFMatcher와 FlannBasedMatcher를 사용하여 두 영상의 디스크립터를 매칭합니다. L2-Norm을 유사도 척도로 사용하며, 매칭된 특징점들의 거리의 평...2025.12.16
-
OpenCV python으로 여러가지 필터 적용하여 영상 선명하게 만들기2025.05.061. 필터 적용을 통한 영상 선명화 이 프로젝트에서는 OpenCV와 Python을 사용하여 다양한 필터를 적용하여 흉부 X선 영상을 선명하게 만드는 방법을 다룹니다. 사용된 필터에는 GaussianBlur, Averaging, Laplacian, Sobel, Gamma Correction, Equalization 등이 있으며, 각 필터의 특성과 적용 방법, 그리고 최종 결과물을 보여줍니다. 코드 구현 과정과 실행 결과를 자세히 설명하고 있습니다. 1. 필터 적용을 통한 영상 선명화 영상 선명화를 위한 필터 적용은 다양한 방법으로 이...2025.05.06
-
고려대학교 객체지향프로그래밍 A+ 기말고사 치팅시트2025.05.101. 프로그래밍 언어 프로그래밍 언어는 컴퓨터가 수행할 수 있는 모든 것을 설명할 수 있어야 하며, 프로그래머가 의도한 바를 정확히 표현할 수 있어야 합니다. 튜링 기계는 무한한 테이프, 읽기/쓰기/삭제 장치, 상태 테이블을 가지고 있으며 튜링 완전하거나 튜링 동등합니다. 실제 컴퓨터는 선형 한정 레지스터 기계(거의 만족)입니다. 대부분의 언어가 튜링 완전하기 때문에 문제가 되지 않습니다. 프로그래밍 언어는 오류 방지, 사용성 등의 기준을 만족해야 합니다. 2. 프로그래밍 패러다임 프로그래밍 패러다임은 좋은 프로그래밍 언어의 기준을...2025.05.10
-
단 3개의 데이터만 가지고 모델 추정하기 (베이지안 추정, Python source code 예제 포함)2025.05.131. 베이지안 추정 베이지안 추정은 제한된 데이터를 활용하여 미지의 모델 매개변수를 추정하는 방법입니다. 이 예제에서는 PyMC3 라이브러리를 사용하여 베이지안 모델을 정의하고, MCMC 샘플링을 통해 매개변수의 사후 분포를 추출합니다. 이를 통해 불확실성을 고려하면서도 가능한 모든 시나리오를 종합적으로 고려하여 예측의 중심 경향을 나타낼 수 있습니다. 2. PyMC3 PyMC3는 확률적 프로그래밍 라이브러리로, 베이지안 모델링과 추론을 수행할 수 있습니다. 이 예제에서는 PyMC3를 사용하여 베이지안 모델을 정의하고, MCMC 샘...2025.05.13
-
MCMC를 활용한 베이지안 추론 - 동전 던지기 문제의 확률 추정 (파이썬예제풀이 포함)2025.05.091. MCMC(Markov Chain Monte Carlo) MCMC는 머신러닝과 통계학 분야에서 중요한 역할을 하는 AI(인공지능) 기법 중 하나입니다. MCMC는 복잡한 확률분포를 추정하거나 샘플링하기 위해 사용되며, 특히 베이지안 추론과 관련된 문제에 유용하게 적용됩니다. MCMC는 몬테카를로(Monte Carlo) 방법과 마코프 체인(Markov Chain)을 결합한 알고리즘으로, 마코프 체인을 이용하여 탐색 공간을 효과적으로 탐색하고 샘플링을 수행합니다. 2. 동전 던지기 문제 동전 던지기 문제는 간단하면서도 직관적인 문제...2025.05.09
-
Python 초간단 챗봇 만들어보기 (chatbot)2025.05.081. 챗봇 기초 챗봇은 최근 많은 관심을 받고 있는 프로그램입니다. 이 문서에서는 파이썬을 이용해 간단한 챗봇을 구현하는 방법을 소개합니다. 기본적인 if문을 사용하여 사용자의 입력에 따라 미리 정의된 답변을 반환하는 방식으로 챗봇을 만들 수 있습니다. 이후 정규 표현식을 활용하여 유사한 질문에도 대응할 수 있도록 하고, JSON 파일을 이용해 질문과 답변을 외부에서 관리할 수 있는 방법을 설명합니다. 이를 통해 챗봇의 대화 능력을 향상시킬 수 있습니다. 2. if문을 이용한 챗봇 구현 가장 기본적인 챗봇 구현 방법은 if문을 사용...2025.05.08
-
파이썬과R 2024년 2학기 방송통신대 출석수업과제물) 교재 연습문제 3장 1번, 2번, 3번 4장 7번, 8번, 9번 8장 2번2025.01.261. R 데이터프레임 생성 R에서 데이터프레임은 data.frame 함수로 생성한다. 데이터프레임을 구성할 원소를 설정하고, 행의 이름을 지정할 수 있다. 또한 문자열을 'factor'로 처리할지 여부를 선택할 수 있다. 2. 파이썬 딕셔너리 생성 파이썬에서 딕셔너리는 키(key)와 값(value)을 매핑시킨 자료형이다. 키는 불변객체의 자료형이어야 하며, 값은 자료형의 제한이 없다. 리스트나 튜플과 같은 가변객체는 키가 될 수 없다. 3. 파이썬 데이터프레임 생성 파이썬의 판다스 라이브러리를 사용하여 데이터프레임을 생성할 수 있다...2025.01.26
-
데이터의 자료구조 중 스택과 큐 비교 및 구현2025.01.181. 스택 구조 스택(Stack)은 데이터가 나중에 들어온 것이 먼저 나가는(LIFO, Last In First Out) 자료구조입니다. 스택은 데이터를 한쪽 끝에서만 추가하고 제거할 수 있으며, 이 끝부분을 '탑(top)'이라고 부릅니다. 스택은 주로 push와 pop 연산을 제공하며, 재귀적인 함수 호출, 수식의 후위 표기법 변환 및 계산, 깊이 우선 탐색 등 다양한 응용 분야에서 사용됩니다. 2. 큐 구조 큐(Queue)는 데이터가 먼저 들어온 것이 먼저 나가는(FIFO, First In First Out) 자료구조입니다. 큐...2025.01.18
-
괴담 레스토랑: 웹 기반 랜덤 괴담 생성 시스템2025.12.191. Flask 웹 애플리케이션 개발 Python의 Flask 프레임워크를 활용하여 웹 애플리케이션을 구현했다. @app.route() 데코레이터로 메인 페이지와 /generate, /random 라우팅을 설정하고, render_template() 함수로 HTML 템플릿을 렌더링한다. POST 방식으로 전송된 카테고리 선택 데이터를 request.form.get()으로 받아 처리하는 구조로 설계하여 사용자 입력에 따른 동적 콘텐츠 생성을 구현했다. 2. Python Random 모듈을 활용한 괴담 생성 알고리즘 HORROR_DATA...2025.12.19
1 / 4
