본문 바로가기

전체 글

 (20)
1. 기준금리 기준금리(Base Rate) - 한 나라의 금리를 대표하는 정책금리. 신문이나 뉴스에서 "한국은행, 연 1.25% 기준금리 동결", "미 연준, 연 1.50% ~1.75% 동결" 이와 같은 뉴스를 많이 봤을 것이다. 금리는 국민은행이나 신한은행과 같은 시중은행에서 정해주는 것 아닌가? 그러면 정기예금이자는 왜 연 2%가 넘는 것인가? 이것에 대해 알기 전에 먼저 기준금리 자체에 대해서 알아보자! 기준금리는 금융기관과 환매조건부채권(RP) 매매, 자금조정 예금 및 대출 등의 거래를 할 때 기준이 되는 정책금리인데 각 나라의 중앙은행에서 결정된다. 우리나라의 중앙은행은 한국은행이니 당연히 한국은행에서 결정을 하게 된다. 즉, 한국은행 산하 정책집행 담당조직인 금융통화위원회에서 3, 6, 9, 12월을 제외한..
프롤로그 카테고리 이름은 '들·봤·알·못·필·경·상'이다. '들어는 봤지만 알지는 못하는 필수 경제 상식'이라는 말인데 줄이기도 뭐하고 안 줄이기도 뭐해서.. 그냥 줄여버렸다! 이름이 이상해도 양해를 부탁하면서 이 카테고리를 만든 이유를 설명하자면 저번 학기때 들었던 '금융과 거시경제'라는 강의에서 배웠던 느낌을 그대로 많은 사람들에게 전달해주고 싶어서이다. 보통 경제 강의를 들으면 주구장창 그래프 아니면 주구장창 영어를 한국식으로 번역한 어려운 글들 뿐이다. 결국 많은 양의 내용들을 전개 과정없이 널찍널찍하게 넘어갈 수밖에 없어 되게 지루하다고 많이 느꼈고 특히 배우면서도 배움에 대한 이유를 '나중에 다 필요하겠지'라고 생각하면서 그 순간을 대충대충 넘기곤 했었다. 하지만 이 강의가 '금융과 거시경제'라서 그럴..
닥터 도티의 삶을 바꾸는 마술가게 "다 읽고나니 몸도 마음도 건강!" http://book.naver.com/bookdb/book_detail.nhn?bid=10823370 닥터 도티의 삶을 바꾸는 마술가게 꿈 없는 소년에서 스탠퍼드 신경의학자로, 삶의 방향을 선택하는 마술을 배우다!『닥터 도티의 삶을 바꾸는 마술가게』는 뇌와 심장, 이 두 기관의 잠재력을 동시에 활용할 때 인간이 어떤 특별한 일을 해낼 수 있는지 밝힌 책이다. 책은 한 개인의 체험적 진실과 오랜 과학적 탐구를 씨줄과 날줄로 엮으며 흡인력 있게 전개되는 ‘페이지 터너’이자, 인간이 어떻게 자신의 꿈을 이뤄 가야 할 것인지에 대한 묵직한 메시지를 전하는 ‘감동 실화’다.저자는 어린 시절 가난한 book.naver.com 전에 읽었던 책 '졸업선물'을 읽게 된 계기와 같이 ..
모두의 딥러닝 (12) - 시퀀스 배열로 다루는 순환 신경망 현재 애플의 시리, 삼성의 빅스비, 네이버의 클로바 등등 AI 비서라고 불리는 대화형 인공지능이 점점 개발되고 있는데 이처럼 인공지능 비서가 갖춰야 할 필수 능력은 바로 사람의 언어를 이해하는 것! 문장을 듣고 무엇을 의미하는지를 알아야 서비스를 제공할 수 있기 때문인데 인공지능이 문장을 듣고 이해한다는 것은 많은 문장을 이미 학습(train)해 놓았다는 것이다. 그런데 문장을 학습한다는 건 지금까지 배운 내용과 다른 특징이 있다. 문장은 여러 개의 단어로 이루어져 있는데 그 의미를 전달하려면 각 단어가 정해진 순서대로 입력되어야 하기 때문! 즉, 과거에 입력된 데이터와 나중에 입력된 데이터 사이의 관계를 고려해야 하는 문제가 생겼는데 이를 해결하기 위해 순환 신경망(Recurrent Neural Net..
모두의 딥러닝 (11) - 이미지 인식의 꽃, CNN 익히기 이번에 사용할 데이터셋은 MNIST 데이터셋! MNIST 데이터셋은 미국 국립표준기술원이 고등학생과 인구조사국 직원들이 쓴 손글씨를 이용해 만든 데이터로 구성되어 있다. 7만개의 글자 이미지에 각각 0부터 9까지 이름표를 붙인 데이터셋으로 머신러닝을 배우는 사람이 자신의 알고리즘과 다른 알고리즘의 성과(Accuracy)를 비교해 보고자 한 번씩 도전하는 유명한 데이터셋!(ex. 캐글) 그럼 과연 지금까지 배운 딥러닝 기술들을 이용해 이 손글씨 이미지를 얼마나 예측할까? 저번 장에서는 학습셋의 정확도를 그래프로 그렸다면 이번에는 학습셋의 오차를 그래프로 표현했을 뿐 저번 장과 매우 비슷! 20번째 실행에서 멈춘 것을 확인할 수 있다 => 베스트 모델은 10번째 에포크! 이 모델의 테스트셋에 대한 정확도는 ..
모두의 딥러닝 (10) - 베스트 모델 만들기 이번 딥러닝에 사용할 데이터는 포르투갈 서북쪽의 대서양을 맞닿고 위치한 비뉴 베르드 지방에서 만들어진 와인을 측정한 데이터! 레드와인 샘플 1,599개를 등급과 맛, 산도를 측정해 분석하고 화이트와인 샘플 4,898개를 마찬가지로 분석해 데이터를 만듬. 먼저 데이터의 처음 5줄을 출력해보면 frac를 1로 잡으면 딥러닝을 실행하는데 오래 걸리기 때문이다. 그리고 보다시피 한 줄당 모두 13개의 정보가 있는 걸 확인! 즉, 12개(0~11)의 속성을 가지고 13번째 클래스를 예측하는 프로젝트! 이 장의 제목처럼 우리는 딥러닝을 실행할 때 최고의 모델을 얻어내야 한다. 따라서 이에 따라 딥러닝을 실행해보자! 설명에 적혀있는대로 모니터할 값과 ModelCheckPoint라는 함수를 이용해 save_best_o..
모두의 딥러닝 (9) - 과적합 피하기 과적합을 설명하기 위해 먼저 세즈노프스키 교수의 광물 데이터를 설명하자면 1988년 그는 힌튼 교수가 발표한 역전파 알고리즘에 관심을 가지고 있어 은닉층과 역전파가 얼마나 큰 효과가 있는지 실험해보고파 광석과 일반 돌을 가져다 놓고 음파 탐지기를 쏜 후 그 결과를 데이터로 정리했다. 지금부터 세즈노프스키 교수가 만들어 공개한 음파 탐지기 데이터 정보를 이용해 광물과 돌을 구분하는 실험을 해보자! Index가 208개이므로 총 샘플의 수는 208개! dtypes에서 보이는 것처럼 부동소수 형태(float64)의 60개 속성과 1개의 클래스(object)가 있다. 현재 학습한 결과 학습셋 안에서 학습을 한 결과 99%의 예측 정확도를 보이고 있다. 하지만 이렇게 학습셋에만 집중을 하면 새로운 데이터에 적용을..
모두의 딥러닝 (8) - 다중 분류 문제 해결하기 죄송합니다.. 흑백사진밖에 없습니다 ㅠㅠ 위 사진은 아이리스라는 꽃인데 아이리스는 꽃잎의 모양과 길이에 따라 여러 가지 품종으로 나뉘는데 보는 거와 같이 다른 품종이지만 비슷해 보인다. 이런 경우는 어떻게 할까? 이번 프로젝트는 아이리스의 품종을 예측하는 문제인데 이 세 품종을 골라내야 되므로 클래스가 3개이다. 이렇게 여러 개의 답 중 하나를 고르는 분류 문제를 다중 분류라고 한다. 이제 케라스를 이용해 아이리스의 품종을 예측해보자! 이런 다중 분류 문제를 위해 필요한 원-핫 인코딩에 대해 배웠고 이제 모델을 만들어 보자! 이제 다중 분류에 적절한 오차 함수인 categorical_crossentropy를 사용하고 활성화 함수는 adam으로 정한후 전체 샘플이 50(epoch=50)회 반복될 때까지 실..

티스토리툴바