데싸(Data Science) 노트

In [1]: from IPython.core.display import display, HTML display(HTML("")) 필요한 라이브러리 임포트¶ In [2]: import tensorflow as tf from tensorflow.keras import preprocessing, layers 입력 및 라벨 데이터 생성¶ In [3]: samples = ["너 오늘 이뻐 보인다", "나는 오늘 기분이 더러워", "끝내주는데, 좋은 일이 있나봐", "나 좋은 일이 생겼어", "아 오늘 진짜 짜증나", "환상적인데, 정말 좋은거 같아"] labels = [[1], [0], [1], [1], [0], [1]] 전처리¶ In [4]: tokenizer = preprocessing.text.Tokeni..

저자 Ledig et al. 게재 저널 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (IEEE 2017) 게재 날짜 2017년 URL https://openaccess.thecvf.com/content_cvpr_2017/html/Ledig_Photo-Realistic_Single_Image_CVPR_2017_paper.html CVPR 2017 Open Access Repository Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Christian Ledig, Lucas Theis, Ferenc Huszar..

저자 Karen Stengel et al. 게재 저널 PNAS (Proceedings of the National Academy of Sciences of the United States of America) 게재 날짜 2020년 07월 21일 URL https://www.pnas.org/content/117/29/16805.short Adversarial super-resolution of climatological wind and solar data Global climate simulations are typically unable to resolve wind and solar data at a resolution sufficient for renewable energy resource assess..

논문 명: LightGBM: A Highly Efficient Gradient Boosting Decision Tree 저자 명: Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu 게재 저널: NIPS 2017 (31st Conference on Neural Information Processing Systems) 게재 날짜: 2017년 URL: http://papers.nips.cc/paper/6907-lightgbm-a-highly-efficient-gradient-boosting-decision LightGBM: A Highly Efficient Gradient Boosting Dec..

2020.08.05. https://github.com/Kwan-Gu/DATA_SCIENCE_STUDY/blob/master/TRANSCRIPT/20200805/%EB%B0%B1%EA%B4%80%EA%B5%AC_tmdb.ipynb Kwan-Gu/DATA_SCIENCE_STUDY 데이터 사이언스 스터디 (개인공간). Contribute to Kwan-Gu/DATA_SCIENCE_STUDY development by creating an account on GitHub. github.com 2020.07.29. https://github.com/Kwan-Gu/DATA_SCIENCE_STUDY/blob/master/TRANSCRIPT/20200729/%EB%B0%B1%EA%B4%80%EA%B5%AC_tmdb...

논문 명: U-Net: Convolutional Networks for Biomedical Image Segmentation 저자 명: Olaf Ronneberger, Philipp Fischer, and Thomas Brox 게재 저널: International Conference on Medical Image Computing and Computer-Assisted Intervention 게재 날짜: 2015년 5월 18일 URL: https://link.springer.com/chapter/10.1007/978-3-319-24574-4_28

요즘 세상에는 빅데이터(Big data)라 불릴만큼 1초에도 방대한 양의 데이터가 생성되고 어딘가에 저장되고 있다. 무수히 많은 데이터를 하나하나 확인하고, 계산하고, 처리하기에는 인간의 뇌로는 한계가 있기 때문에 우리는 소프트웨어의 힘을 빌려 데이터(Data)를 처리(Process)해 우리에게 유용한 정보(Information)를 만들어낸다. 여기서 사용되는 소프트웨어를 DBMS (DataBase Management System; 데이터베이스 관리 시스템)라 한다. DBMS는 이름 그대로 데이터베이스(DB)를 관리하는 소프트웨어다. 정보사회가 도래하면서 데이터베이스와 데이터베이스 관리 시스템은 기업뿐만 아니라 국가 차원에서도 정보를 관리하고 구축하는 필수 도구가 되었다. 데이터베이스는 크게 3가지 개념..