NICE SUGI

👋 포스팅 내용 : Github 주소 | 결과물 영상 | 튜터님들 피드백 | KPT | 결과물 캡쳐 | 공부해야할 것 | 팀 프로젝트 회고 👨🏻‍🎨 Github https://github.com/2JYK/The-season-of-N.11_backend https://github.com/2JYK/The-season-of-N.11_frontend 프로젝트 결과물 🖼 튜터님들 피드백 이상록 튜터 배포까지 깔끔하게 구현해보고 인증이 안되었을때는 로그인 페이지로 이동하는 로직과 style입력해서 그에 해당하는 이미지를 변환하도록 로직을 잘 구현해주셨습니다. 그리고 적용할 스타일 사진을 선택하게 해서 다양한 결과를 볼수있었던점이 좋았습니다. nested serializer와 SerializerMethodField클..

Team Project 5 | The season of N.11 ✨ Github https://github.com/2JYK/The-season-of-N.11_backend.git https://github.com/2JYK/The-season-of-N.11_frontend.git 유화 제작 서비스 ; 사용자가 입력한 사진에 사계절의 효과를 주어 업로드, 수정 및 삭제 를 할 수 있음 👩🏻‍💻 담당 파트 : 회원가입 | 로그인-JWT발급 | 유화 제작 인공지능 기술 | 마이페이지-업로드,북마크 사진 | 게시글 수정 및 삭제 🌱 7월 2-6일 ✔️ 진짜.. 너무 바빴음.... 했던 작업 나열이 힘듬..  👍 포스팅 내용 ➕ 현재까지 결과물

Team Project 4 | Watch a Movie N.11 ✨ Github https://github.com/2JYK/Watch-a-movie-N.11-Django 영화 추천 시스템 ; 사용자가 작성한 영화 리뷰를 토대로 영화를 추천 👩🏻‍💻 내 파트 : movie app 홈 페이지 학습된 머신러닝 모델을 통해 평점이 높은 순서대로 영화가 랜덤으로 보여집니다. 영화를 누르면 해당되는 영화의 상세 페이지로 이동합니다. 영화 상세 페이지 상단 - 홈 페이지에서 누른 영화의 상세 내용[ 이미지 | 제목 | 장르 | 개요 ]을 보여줍니다. 중간 - 리뷰 작성하기 버튼으로 모달창을 띄워 평점을 등록합니다. 하단 - 학습된 머신러닝 모델을 이용하여 추천 영화들을 보여줍니다. 내가 작성한 리뷰에서 평점이 높은 ..

Team Project 4 | Watch a Movie N.11 ✨ Github https://github.com/2JYK/Watch-a-movie-N.11-Django 영화 추천 시스템 ; 사용자가 작성한 영화 리뷰를 토대로 영화를 추천 👩🏻‍💻 담당 파트 : movie app > 메인 페이지 & 영화 상세 페이지 홈 페이지 학습된 머신러닝 모델을 통해 평점이 높은 순서대로 영화가 랜덤으로 보여집니다. 영화를 누르면 해당되는 영화의 상세 페이지로 이동합니다. 영화 상세 페이지 상단 - 홈 페이지에서 누른 영화의 상세 내용[ 이미지 | 제목 | 장르 | 개요 ]을 보여줍니다. 중간 - 리뷰 작성하기 버튼으로 모달창을 띄워 평점을 등록합니다. 하단 - 학습된 머신러닝 모델을 이용하여 추천 영화들을 보여줍니..

❤️ Django 를 이용해 콘텐츠를 추천하는 웹 사이트를 구현해 봅니다! 필수 포함 사항 👩🏻‍💻 Django를 사용해주세요. 하나의 레포지토리에서 기능별 혹은 개인별 브랜치를 사용해서 협업해주세요. 회원 기능을 포함해주세요. CRUD 기능을 포함해주세요. 장고의 모델에서 one-to-many와 many-to-many 기능을 사용해주세요 (ERD 제출 필수). 추천시스템(협업필터링)을 활용해주세요. 추가기능 👩🏻‍💻 배포 (프로젝트 말미에 특강 예정. 난이도 상) AWS EC2를 이용해 장고 프로젝트를 배포해 주세요 장고의 sqlite3가 아닌 AWS RDS의 DB를 이용해주세요 스태틱 파일들을 ec2가 아닌 AWS S3로 업로드 해주세요 ⏰ 3차 프로젝트 타임라인 (06/02 ~ 06/14) 06/0..

논리 회귀로 풀기 힘든 문제가 등장 했을 때, 그 문제가 0 또는 1로 풀어야 할 때 ! 이진 논리 회귀(Binary logistic regression)로 해결할 수 있다. 선형회귀와 계산은 같지만 출력에 Logistic function(=Sigmoid function)를 붙여서 딥러닝에서는 시그모이드 함수(Sigmoid function)라고도 불림 입력값(x)으로 어떤 값이든 받을 수가 있지만 출력 결과(y)는 항상 0에서 1사이 값을 가짐 이진 논리 회귀에서의 손실 함수 ; 확률 분포 그래프의 차이를 비교할 때 (선형회귀에서 정답값을 나타내는 점과 우리가 세운 가설의 거리를 최소화했던, loss를 최소화하는 함수를 사용하듯) tensorflow > Crossentropy 이용 Keras > bina..

머신러닝 1주 차 강의를 바탕으로 타임어택 테스트를 봤다. kaggle 홈페이지에서 데이터를 받아 맥주소비량과 행복지수가 어떻게 변하는지 맥주 소비량이 1000일 때의 행복지수는 어떻게 되는지 코드를 작성한 후 제출 ! 맥주 소비량 : x 행복 지수 : y 팀으로 진행 됐었는데, 답안코드로 올라가서 너무 좋음👻 다른 답안 코드를 보고 우리 코드를 보았을 때 어떤 차이가 있고 어떤 장단점이 있는지는 잘 모르겠다. 아직은!

머신러닝 1주 차 강의가 끝났다. 강의 내용으로 어제 13일인 아침과 저녁에 간단한 OX퀴즈와 타임어택 테스트이 진행됐는데, 잼.. 👍 API 공부의 필요성에 대해 듣고 내가 사용했던 것!들의 내용을 찾아보았다. 오픈소스 소프트웨어 라이브러리? API? 등등 내일 찾아 봐야 할 듯. 검색할 때 마다 간단히 예시로 풀어볼 수 있는 문제들이 있었고 뭐가 뭔지 잘 모르겠지만, Colab / Github 으로 바로 저장할 수 있어서 유익해 보여서 머신러닝 배우면서 참고하면 많은 도움이 될 수 있을 것 같다. 지금까지 배운 머신러닝은 순차적이고 코드가 정해져있고, loss값을 줄여나가는 점이 재밌다. 머신러닝 딥러닝을 배워서 해볼 수 있는 점들이 꽤나 흥미로웠지마는..... 다음 주 수요일부터 사물인식 프로젝트를..

앞으로 배울 기본 구조는 항상 선형 1차 함수에서 시작 ! 계산은 기계가 하니까 개념만 이해하면 된다고 한당.. 모든 문제는 선형으로 풀 수 있다라는 가정이 "선형회귀" 일단 선형으로 풀어보겠다는 것이고 이 선형은 1차 함수로 알고 있으면 된다. H(x) = Wx + b local minimum initial rate는 랜덤 시작이라는 점을 참고해 optimizer 안에 경사하강법 방법이 포함되어 여러가지 옵티마이저를 써서 글로벌 미니멈을 찾을 수 잇는지 확인을 한당. 이 과정이 굉장히 노가다라고 하더라,.. 이런 방법을 이용해 머닝러닝 모델을 학습시키고 평가를 해야하는데 이걸 통틀어 데이터셋 분할 Original Set.이라함 크게 [학습 training] 과 [평가 testing] 로 나누고, 학습 ..