코딩헤딩

https://coding-heading.tistory.com/109 [시계열분석] 주식데이터 주가예측 (ARIMA, auto_arima) * 라이브러리 정의 import pandas as pd import datetime import matplotlib.pyplot as plt # 시각화 라이브러리 및 마이너스 기호설정 import platform from matplotlib import font_manager, rc # 마이너스 기호 및 한글 설정 # - 마 coding-heading.tistory.com 저번 글과 이어집니다. * Best Model을 이용해서 잔차 확인 - 잔차 : 실제값과 예측값과의 차이 - 잔차 검정 : 정상성, 정규성 등을 만족하는지 확인하는 검정 - 검정하는 함수 : sum..

* 라이브러리 정의 import pandas as pd import datetime import matplotlib.pyplot as plt # 시각화 라이브러리 및 마이너스 기호설정 import platform from matplotlib import font_manager, rc # 마이너스 기호 및 한글 설정 # - 마이너스 기호 plt.rcParams["axes.unicode_minus"] = False # - os별 한글설정 if platform.system() == "Windows": path = "c:/Windows/Fonts/malgun.ttf" font_name = font_manager.FontProperties(fname=path).get_name() rc("font", family=..

* 단순프로젝트 나열 x * 경험정리 중요함 차별화된 경험(현업의 직무상황과 유사한 환경) * 타겟기업 리스트만들기(그 안에서 직무나 필요한 자격 찾기) * 자소서에서의 표현법(ㅇㅇ를 못했다 =>x ㅇㅇ를 보완하기 위해서) * 서류전형 - 직무에 대한 이해도와 필요 역량 : 주요프로젝트 서술 직무 강점 - 잘 맞는 인재인가 : 성격의 장단점 성장과정 협업경험 - 회사에 대한 애정도가 있는가 : 지원동기 입사후 포부 - 문서작성과 의사전달 능력 : 문항전체 * 차별화된 자소서 - 차별화된 강점 도출 - 스토리 도출 : 구체적인 노력사항을 적기 - 현업이해도 어필 : 입사포부, 지원동기에서 구체적인 직무 목표를 적기 현업에서 무엇을 할지 찾아보 - 프로젝트중 시간이 촉박해서 끝내지 못한 과제들을 기한 마김 ..

* 이미지 증식을 하는 이유???? - 이미지를 이용하여 모델 훈련 시 데이터 확보가 어려운 경우 수행 - 기존 이미지 훈련모델의 성능이 낮은 경우에 데이터를 증가시키고자 할 때 사용 - 이미지 증식은 하나의 원본 이미지의 형태를 랜덤 하게 변형시켜 많은 양의 이미지를 생성 가능 * 사용할 라이브러리 정의 ### 이미지 증식에 사용되는 라이브러리 from keras.preprocessing.image import ImageDataGenerator ### numpy배열을 이미지로 변환하는 라이브러리 from keras.preprocessing.image import array_to_img ### 이미지를 numpy 배열로 변환하는 라이브러리 from keras.preprocessing.image impor..

https://coding-heading.tistory.com/104 Deep learning[딥러닝] YOLO 객체탐지 네트워크 가중치 모델 사용 https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 coding-heading.tistory.com 이전 글에서는 정적인 이미지에서 객체를 탐지하는 프로그램을 만들었는데 이번에는 카메라에서 들어오는 동영상을 처리하는 프로그램을 해보겠다. ### 사용할 라이브러리 import cv2 import numpy as np * 데이터 읽어 들이기 VideoSi..

https://coding-heading.tistory.com/104 Deep learning[딥러닝] YOLO 객체탐지 네트워크 가중치 모델 사용 https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 coding-heading.tistory.com * 위 글의 가중치 모델을 이용해서 객체(자동차) Detection 하는 코드를 함수로 만들어 보았다. def predict_yolo(img_path) : """이미지 데이터 가져오기""" img = cv2.imread(img_path) """BGR을 ..

https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 영역(바운딩 박스-사각형)과 객체의 이름(사람, 고양이, ...)을 표시해 주는 coding-heading.tistory.com 이전 글과 이어집니다. - yolov3.weights : 이미 훈련된 모델의 가중치 데이터 파일 - yolov3.cfg : yolo모델 매개변수 설정 파일 - coconames : 인식(감지)된 객체의 레이블 명칭(이름)이 저장된 파일 * DNN(심층신경망) 모델을 사용하여 모델 세팅하기 net = cv2.dnn.rea..