본문 바로가기
반응형
[Python] Week 5: 함수 정의 및 호출 Day 1: 함수의 개념과 기본 구조강의 내용:함수의 개념함수의 필요성과 장점코드 재사용과 가독성 향상함수의 기본 구조함수 정의 (def 키워드)함수 이름과 매개변수return 문실습:기본적인 함수 정의와 호출# 함수 정의def greet(): print("Hello, Python!")# 함수 호출greet() # "Hello, Python!" 출력 Day 2: 매개변수와 인자강의 내용:매개변수함수 정의 시 매개변수 선언매개변수의 역할인자함수 호출 시 인자 전달위치 인자와 키워드 인자실습:매개변수가 있는 함수 정의와 호출# 매개변수가 있는 함수 정의def greet(name): print(f"Hello, {name}!")# 함수 호출greet("Alice") # "Hello, Alice!".. 2024. 6. 1.
[Python] Week 4: 반복문 Day 1: for 루프 I강의 내용:for 루프의 개념기본 구조와 사용법반복 가능한 객체 (리스트, 튜플, 문자열 등)실습:for 루프를 사용한 기본 반복문 작성# for 루프 기본 구조for i in range(5): print(i) Day 2: for 루프 II강의 내용:range 함수range 함수의 사용법 (start, stop, step)range 함수와 for 루프의 결합실습:range 함수를 이용한 반복 작업# range 함수 사용 예제for i in range(1, 10, 2): print(i) # 1, 3, 5, 7, 9 Day 3: for 루프 III - 중첩 루프강의 내용:중첩 for 루프중첩 루프의 개념과 사용법2차원 리스트 순회실습:중첩 for 루프를 사용한 2차원 .. 2024. 6. 1.
[Python] Week 3: 조건문 Day 1: 조건문의 기초강의 내용:조건문의 개념조건문을 이용한 프로그램의 흐름 제어if 문기본 구조조건식과 블록실습:기본 if 문을 사용한 간단한 조건문 작성# if 문 기본 구조x = 10if x > 5: print("x는 5보다 큽니다.") Day 2: if-else 문강의 내용:if-else 문if-else 구조조건이 참일 때와 거짓일 때 실행할 코드실습:if-else 문을 사용한 조건문 작성# if-else 문x = 3if x > 5: print("x는 5보다 큽니다.")else: print("x는 5보다 작거나 같습니다.") Day 3: if-elif-else 문강의 내용:if-elif-else 문다중 조건 검사elif를 이용한 여러 조건문실습:if-elif-else 문을 사용.. 2024. 6. 1.
[Python] Week 2: 파이썬 기본 문법 Day 1: 변수와 자료형 I강의 내용:변수와 자료형 소개변수 선언 및 초기화변수 이름 규칙기본 자료형 (정수, 부동 소수점, 문자열 등)실습:다양한 자료형의 변수 선언 및 출력자료형 변환 (정수 ↔ 부동 소수점, 문자열 ↔ 숫자)# 변수 선언 및 초기화x = 10y = 3.14name = "Python"# 변수 출력print(x) # 10print(y) # 3.14print(name) # Python# 자료형 변환a = float(x) # 정수를 부동 소수점으로 변환b = int(y) # 부동 소수점을 정수로 변환c = str(x) # 정수를 문자열로 변환d = int("42") # 문자열을 정수로 변환print(a) # 10.0print(b) .. 2024. 6. 1.
[Python] Week 1: 파이썬 소개 Day 1: 파이썬의 역사와 특징강의 내용:파이썬의 역사1980년대 말: Guido van Rossum이 네덜란드 CWI 연구소에서 파이썬 개발 시작1991년: 파이썬 최초 버전 (0.9.0) 공개2000년: Python 2.0 출시 (주요 기능: 리스트 컴프리헨션, 가비지 컬렉션)2008년: Python 3.0 출시 (주요 기능: 완전한 유니코드 지원, print 함수)파이썬의 특징간결하고 읽기 쉬운 문법동적 타이핑다양한 표준 라이브러리크로스 플랫폼 지원풍부한 커뮤니티와 생태계실습:파이썬 커뮤니티 및 리소스 탐색파이썬 공식 사이트: https://www.python.org/파이썬 공식 문서: https://docs.python.org/3/Stack Overflow의 파이썬 태그: https://stac.. 2024. 6. 1.
[Python] 24주 파이썬 문법 교육과정 Week 1-2: 파이썬 소개 및 기초Python 소개Python의 역사와 특징Python 설치 및 설정개발 환경 설정 (IDE, Jupyter Notebook 등)기본 문법변수와 자료형 (정수, 부동 소수점, 문자열 등)연산자 (산술, 비교, 논리 연산자 등)Week 3-4: 제어문조건문if, elif, else 문법 및 사용법중첩 조건문반복문for 루프while 루프break와 continueWeek 5-6: 함수함수 정의 및 호출함수의 기본 구조매개변수와 반환값고급 함수기본값 인자키워드 인자가변 인자 (*args, **kwargs)Week 7-8: 데이터 구조 I - 리스트와 튜플리스트리스트 생성 및 조작 (추가, 제거, 슬라이싱)리스트 컴프리헨션튜플튜플의 특징과 사용법튜플 언패킹Week 9-10:.. 2024. 5. 31.
[PyTorch] 19주차: 딥러닝 모델의 윤리 및 책임감 있는 AI 개발 강의 목표AI와 딥러닝 모델의 윤리적 문제 이해책임감 있는 AI 개발 원칙 학습윤리적 AI 개발을 위한 실천 방법 논의 및 실습강의 내용1. AI와 딥러닝 모델의 윤리적 문제AI 윤리 개요AI와 딥러닝 모델의 사회적 영향력윤리적 문제와 책임감 있는 AI 개발의 필요성주요 윤리적 문제편향성(Bias)프라이버시(Privacy)투명성(Transparency)공정성(Fairness)신뢰성(Reliability)2. 책임감 있는 AI 개발 원칙공정성(Fairness)데이터 편향성 인식 및 제거다양한 인구통계학적 그룹에 대한 공정한 모델 개발투명성(Transparency)모델의 의사결정 과정 설명 가능성AI 시스템의 투명성 확보 방법프라이버시(Privacy)데이터 수집 및 처리 과정에서의 프라이버시 보호데이터 익명.. 2024. 5. 31.
[PyTorch] 9주차: 모델 최적화 및 고급 주제 강의 목표모델 최적화 기법 이해 및 적용고급 PyTorch 기능 학습실제 프로젝트를 통해 모델 최적화 경험강의 내용1. 모델 최적화 개념모델 최적화의 중요성모델 성능 향상 및 학습 시간 단축주요 최적화 기법학습률 조정(Learning Rate Scheduling)조기 종료(Early Stopping)배치 정규화(Batch Normalization)드롭아웃(Dropout)2. 학습률 조정학습률 조정의 필요성초기 학습률 설정의 어려움학습 진행에 따라 학습률을 조정하여 효율적인 학습PyTorch에서의 학습률 스케줄러 사용torch.optim.lr_scheduler 모듈 활용import torchimport torch.optim as optimfrom torch.optim.lr_scheduler import S.. 2024. 5. 30.
[PyTorch] 7주차: CNN (Convolutional Neural Network) 강의 목표CNN의 기본 개념과 구조 이해CNN 레이어 및 동작 원리 학습PyTorch에서 CNN을 사용한 모델 구현 및 학습 방법 습득강의 내용1. CNN 개념CNN이란 무엇인가?CNN(Convolutional Neural Network)은 이미지 처리와 같은 시각적 데이터를 다루기 위해 설계된 신경망 구조입니다.전통적인 신경망보다 적은 파라미터로 이미지의 공간적 정보를 효과적으로 처리합니다.CNN의 기본 원리Convolution 연산: 이미지의 국소 특징을 추출Pooling 연산: 특징 맵의 크기를 줄이고, 계산 비용을 감소시키며, 중요한 특징을 강조CNN 레이어 설명Convolutional Layer: 필터(커널)를 사용하여 특징 맵 생성Pooling Layer: 다운샘플링을 통해 특징 맵 크기 축소.. 2024. 5. 30.
[PyTorch] 6주차: 모델 훈련 및 평가 강의 목표PyTorch에서 모델 훈련 및 평가 방법 이해손실 함수와 옵티마이저 설정 및 사용법 습득훈련 루프 작성 및 모델 평가 지표 이해강의 내용1. 모델 훈련 기본 개념모델 훈련 과정순전파(forward pass): 입력 데이터를 모델에 통과시켜 예측값 계산손실 계산: 예측값과 실제값의 차이 계산역전파(backward pass): 기울기 계산가중치 업데이트: 옵티마이저를 통해 가중치 조정손실 함수(Loss Function)손실 함수는 모델의 예측값과 실제값의 차이를 측정하는 함수예시: nn.MSELoss(), nn.CrossEntropyLoss() import torchimport torch.nn as nn# MSELoss 예시criterion = nn.MSELoss() 옵티마이저(Optimizer).. 2024. 5. 30.
반응형

티스토리툴바