나만보는 블로그

딥러닝 북마크 논문 및 서베이 논문 :  https://arxiv.org/ 머신러닝 + 논문 :  https://paperswithcode.com/ 딥러닝 독서 맵(커리큘럼) : https://www.mindmeister.com/ko/812276967/_?fullscreen=1 이론 딥러닝 코드 기초 :  https://www.slideshare.net/mobile/yongho/ss-79607172?from_m_app=android&fbclid=IwAR2eRllNDkPszSWILaBl00ijCEB2fUXkq5S1TADFUp02QxImfshVNXDu0yE NLP 이론 및 강좌 : http://www.aistudy.co.kr/linguistics/natural/natural_language_processing.htm [논문 리뷰] Wide & Deep Learning for Recommender Systems - paper review : https://leehyejin91.github.io/post-wide_n_deep/ AI / ML Canvas : https://medium.com/@RoboAndy/ml-ai-model-canvas-59ac4c03c0ea 한남대학교 교수님 통계 :  http://wolfpack.hnu.ac.kr/ 도큐먼트 tensorflow 한글 : https://tensorflowkorea.gitbooks.io/tensorflow-kr/content/g3doc/api_docs/python/constant_op.html 텐서플로 자격증 : https://www.tensorflow.org/certificate 자격증 pdf : https://www.tensorflow.org/site-assets/downloads/marketing/cert/TF_Certificate_Candidate_Handbook.pdf 코드 밑바닥부터 시작하는 딥러닝 : https://github.com/W...

개발자 로드맵 :  https://roadmap.sh/?fbclid=IwAR1lu0vpTyq9MKvKaN5suZ2NIKPK-XhVYrkxgkH62ASMISKtle23XaLGZ6I 논문 :  https://arxiv.org/ 머신러닝 + 논문 :  https://paperswithcode.com/ 테라폼튜토리얼 : https://www.44bits.io/ko/post/terraform_introduction_infrastrucute_as_code MSA 블로그 : https://m.blog.naver.com/stmshra/221495688285 QA 테스트 툴: https://testmanager.tistory.com/215 QA 테스트 툴2021 : https://ko.myservername.com/top-20-best-test-management-tools#1_Zephyr_Scale 구글 IO 학습 : https://events.google.com/io/learning-lab/?lng=ko atom editor remote-ftp :  https://wp.shashasha.kr/atom-remot-ftp-package/ Python 도큐먼트(한글) :  https://wikidocs.net/33 Python Requirements 생성하기 : pip freeze Python Requirements 사용하기 : pip install -r requirements.txt Python ORM :  https://ljs93kr.tistory.com/59 Python mssql (쿼리 + 프로시져) :  https://dbrang.tistory.com/1004 Docker Docker tag None 이미지 삭제 : https://web-front-end.tistory.com/102 Docker registry 구축 : https://hiseon.me/lin...

Tensorflow 기초 Tensorflow 그래프 실행 -- 예제 1 -- # 텐서플로 import import tensorflow as tf # Tensor라는 자료형으로 저장 # Tensor는 랭크(Rank)와 셰이프(Shape)로 구성 # 랭크는 차원의 수를 나타냄 # 0이면 스칼라, 1이면 벡터, 2이면 행렬, 3이상은 n차원 텐서 hello = tf.constant('hello, tensor') print(hello) # 텐서를 이용하여 다양한 연산이 가능 a = tf.constant(10) b = tf.constant(32) c = tf.add(a,b) print(c) # 하지만 출력을 하기 위해서는 그래프를 실행 해야함 # 그래프란 텐서들의 연산 모음이라 할수 있음 # 그래프 실행은 Session 안에서 이루어 져야 함 sess = tf.Session() print(sess.run(hello)) print(sess.run([a,b,c])) sess.close() 플레이스홀더와 변수 -- 예제 2 -- import tensorflow as tf # Placeholder 는 그래프에 사용할 입력값을 나중에 받기 위해 사용하는 매개변수 # 아래는 [?, 3] 같은 모양의 행렬이 만들어진다. X = tf.placeholder(tf.float32, [None,3]) print(X) # X 에 넣을 데이터로 [?,3]의 모양이 될수 있게 자료를 입력 x_data = [[1,2,3],[4,5,6]] # tf.random_normal() 함수는 정규분포의 무작위 값을 추출 해줌 W = tf.Variable(tf.random_normal([3,2])) b = tf.Variable(tf.random_normal([2,1])) # tf.matmul() 함수는 두 행렬의 곱셈을 해줌 expr = tf.matmul(X,W) + b sess = tf.Session() # tf.global_variables_i...