Skip to content

Instantly share code, notes, and snippets.

@seongjoojin

seongjoojin/(수요일)Udacity_강의_요약.ipynb

Forked from KyoungHa-Park/(수요일)Udacity_강의_요약.ipynb
Created March 16, 2018 00:53
Show Gist options
  • Save seongjoojin/40f564a99a2937e6a62d60e0b998c064 to your computer and use it in GitHub Desktop.
Save seongjoojin/40f564a99a2937e6a62d60e0b998c064 to your computer and use it in GitHub Desktop.
Download ZIP
Display the source blob
Display the rendered blob
Raw
(수요일)Udacity_강의_요약.ipynb
{
"nbformat": 4,
"nbformat_minor": 0,
"metadata": {
"colab": {
"name": "(수요일)Udacity 강의 요약.ipynb",
"version": "0.3.2",
"views": {},
"default_view": {},
"provenance": [],
"toc_visible": true
}
},
"cells": [
{
"metadata": {
"id": "qiSzzjF1QNpl",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
}
}
},
"cell_type": "code",
"source": [
"# !pip install --upgrade tensorflow\n"
],
"execution_count": 0,
"outputs": []
},
{
"metadata": {
"id": "cAHFgf7wEq0H",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"#0. 개요\n",
"\n",
"시작일 : 2018.03.01\n",
"\n",
"종료일 : ?\n",
"\n",
"---"
]
},
{
"metadata": {
"id": "HWgiw4tlGKIa",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"강의내용 : https://www.udacity.com/\n",
"\n",
"이미지공유(imgur) : https://imgur.com/\n",
"\n",
"노트 공유(NbViewer) : http://3months.tistory.com/12\n",
"\n",
"---"
]
},
{
"metadata": {
"id": "4TH2cXRNGGoG",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"<목표>\n",
"\n",
"1. 전반흐름 파악\n",
"\n",
"> * Logistic Claasification.\n",
"> * Stochastic Optimization.\n",
"> * Data&Parameter Tunning.\n",
"> * Deep Network\n",
"> * Regulirization\n",
"> * Convoulutional \n",
"\n",
"\n",
"2. 용어 정리\n",
"\n",
"> * 주요 용어에 대해, 어디서 어떻게 쓰이는지를 파악\n",
"> * 1개념, 1이미지\n",
"\n",
"___"
]
},
{
"metadata": {
"id": "CrerkRDmGC-_",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"udacity 강의 목차 (강의명 : Deep Learning)\n",
"\n",
"1. From Machine Learning to Deep Learning\n",
"\n",
"2. Assignment: notMNIST\n",
"\n",
"3. Deep Neural Networks\n",
"\n",
"4. Convolutional Neural Networks\n",
"\n",
"5. Deep Models for Text and Sequences\n",
"\n",
"6. Software and Tools\n",
"\n",
" (이하, 내용 없음)\n",
"\n",
"---"
]
},
{
"metadata": {
"id": "QXBMaMqnJTrc",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"#1. From Machine Learning to Deep Learning\n"
]
},
{
"metadata": {
"id": "jcZJ1fswLhYl",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"<주요 용어>\n",
"\n",
"+ Supervised Claasification\n",
"\n",
"+ Softmax\n",
"\n",
"+ One-Hot Encording\n",
"\n",
"+ Entropy\n",
"\n",
"+ Validation\n",
"\n",
"+ Stocastich Gradient descent\n",
"\n",
"+ Parameter Tunning\n"
]
},
{
"metadata": {
"id": "xfWQ9T15I5R0",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"## Supervised Classification : 정답이 있는 분류\n",
"\n",
"\n",
"+ 분류에는 여러가지가 있으며, Neural Network는 그중 하나임\n",
"\n",
" (출처 : http://tjo-en.hatenablog.com/entry/2014/01/06/234155)\n",
"\n",
"> ![그림2](http://cdn-ak.f.st-hatena.com/images/fotolife/T/TJO/20140106/20140106222240.png)\n",
"\n",
"+ Neural Network은 Machine Learning 중 하나의 기법이므로, 아래와 같은 내용은 Deep Learning 공부 시에는 우선은 배제함\n",
" \n",
"> ![그림1](https://i.imgur.com/zk557tc.jpg)\n",
"\n",
"+ 때문에, Neural Network <> Deep Learning 이다. (즉 두개는 다르다)\n",
"\n",
"+ 다만, Neural Network에 추가적인 내용이 더해진 것이 Deep learning이기 때문에, Neural Network에 대한 큰 그림은 이해할 필요가 있다. \n",
"\n",
"+ 딥러닝은 아래 슬라이드와 같이 weigth를 만들어 가는(=학습해 가는) 과정이 1차 목표이다(최종 목표 = 정확한 분류)\n",
"\n",
"> ![대체 텍스트](https://image.slidesharecdn.com/random-161226133617/95/-26-638.jpg?cb=1482761006)\n",
"\n",
"+ 이러한 딥러닝에는 CNN, AE, GAN, RNN, DQN \"방법\"이 있으며, 금번 스터디를 통해 진행 예정임\n"
]
},
{
"metadata": {
"id": "sAz0mxCKJdt9",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"## Softmax : 확률값으로 변환 과정"
]
},
{
"metadata": {
"id": "b1b-RgrtLiDv",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"+ Neural Network를 통해 정답을 도출해 내는 과정 전반은 아래와 같음 \n",
"\n",
"> ![대체 텍스트](https://i.imgur.com/Izvkqeg.png)\n",
"\n",
"+ 큰 틀에서의 순서는, 1) 자료(X)를 2)다변량 선형 모형(WX+b)을 통해 변환하는 과정을 거치면서, 3) W를 학습(Gradient decent)을 통해 최적값(Y)를 도출하고, 4) 도출된 결과(Y)를 활성화 함수(Activation function)를 통해 확률로 변환하고, 5)확률이 큰 값을 선택하는 단계로 진행된다 \n",
"\n",
"> ![대체 텍스트](https://i.imgur.com/6r31aUg.png)\n",
"\n",
"+ 책에서와 같이, 인공뉴런(Neural Network)은 [가중치]와 [활성화 함수]의 연결로 이루어진 구조이다. (골빈해커의 딥러닝, 55p)\n",
"\n"
]
},
{
"metadata": {
"id": "mK5xn26JJTO3",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
}
}
},
"cell_type": "code",
"source": [
""
],
"execution_count": 0,
"outputs": []
},
{
"metadata": {
"id": "Hf3NoiLGJTUs",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
},
"output_extras": [
{
"item_id": 1
}
],
"base_uri": "https://localhost:8080/",
"height": 253
},
"outputId": "37c6c672-7d40-420f-94ee-b095856d904f",
"executionInfo": {
"status": "ok",
"timestamp": 1520357723191,
"user_tz": -540,
"elapsed": 640,
"user": {
"displayName": "박경하",
"photoUrl": "https://lh3.googleusercontent.com/a/default-user=s128",
"userId": "110612470497084106049"
}
}
},
"cell_type": "code",
"source": [
"###골빈 해커의 3분 딥러닝, 50page\n",
"#CH3 의 02 - Variable.py\n",
"\n",
"import tensorflow as tf\n",
"\n",
"# 1) 자료(X)를\n",
"X = tf.placeholder(tf.float32, [None,3])\n",
"print(X)\n",
"x_data = [[1,2,3], [4,5,6]]\n",
"\n",
"# 2) 가설로 설정된 다변량 선형 모형(WX+b)을 통해 변환하고\n",
"W = tf.Variable(tf.random_normal([3,2]))\n",
"b = tf.Variable(tf.random_normal([2,1]))\n",
"\n",
"expr = tf.matmul(X,W) + b\n",
"\n",
"# 3) W를 학습(Gradient decent)을 통해 최적값(Y)를 도출하고, 4) 도출된 결과(Y)를 활성화 함수(Activation function)를 통해 확률로 변환하고, 5)확률이 큰 값을 선택하는 단계로 진행된다 \n",
"# = 최적화 결과값을 도출한다\n",
"sess = tf.Session()\n",
"sess.run(tf.global_variables_initializer())\n",
"\n",
"print(\"===x_data===\")\n",
"print(x_data)\n",
"print(\"=== W ===\")\n",
"print(sess.run(W))\n",
"print(\"=== b ===\")\n",
"print(sess.run(b))\n",
"print(\"=== expr ===\")\n",
"print(sess.run(expr, feed_dict={X: x_data}))\n",
"\n",
"sess.close()"
],
"execution_count": 10,
"outputs": [
{
"output_type": "stream",
"text": [
"Tensor(\"Placeholder_7:0\", shape=(?, 3), dtype=float32)\n",
"===x_data===\n",
"[[1, 2, 3], [4, 5, 6]]\n",
"=== W ===\n",
"[[-0.20970137 0.40174782]\n",
" [-0.12920657 -1.1364678 ]\n",
" [-0.10709047 -0.3312794 ]]\n",
"=== b ===\n",
"[[-0.95290977]\n",
" [-0.5204802 ]]\n",
"=== expr ===\n",
"[[-1.7422957 -3.8179357]\n",
" [-2.6478612 -6.5835047]]\n"
],
"name": "stdout"
}
]
},
{
"metadata": {
"id": "RI9KhCOmXMTV",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"NN이 아닌, DNN 과정은 아래 code를 통해 확인 가능하다"
]
},
{
"metadata": {
"id": "XfijdpqDXLgV",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
},
"output_extras": [
{
"item_id": 1
}
],
"base_uri": "https://localhost:8080/",
"height": 253
},
"outputId": "7f68366f-5299-49ba-e117-da3a5b7e6b34",
"executionInfo": {
"status": "ok",
"timestamp": 1520357726710,
"user_tz": -540,
"elapsed": 1175,
"user": {
"displayName": "박경하",
"photoUrl": "https://lh3.googleusercontent.com/a/default-user=s128",
"userId": "110612470497084106049"
}
}
},
"cell_type": "code",
"source": [
"# CH4의 02 - Deep NN.py\n",
"\n",
"# 털과 날개가 있는지 없는지에 따라, 포유류인지 조류인지 분류하는 신경망 모델을 만들어봅니다.\n",
"# 신경망의 레이어를 여러개로 구성하여 말로만 듣던 딥러닝을 구성해 봅시다!\n",
"import tensorflow as tf\n",
"import numpy as np\n",
"\n",
"# [털, 날개]\n",
"x_data = np.array(\n",
" [[0, 0], [1, 0], [1, 1], [0, 0], [0, 0], [0, 1]])\n",
"\n",
"# [기타, 포유류, 조류]\n",
"y_data = np.array([\n",
" [1, 0, 0], # 기타\n",
" [0, 1, 0], # 포유류\n",
" [0, 0, 1], # 조류\n",
" [1, 0, 0],\n",
" [1, 0, 0],\n",
" [0, 0, 1]\n",
"])\n",
"\n",
"#########\n",
"# 신경망 모델 구성\n",
"######\n",
"X = tf.placeholder(tf.float32)\n",
"Y = tf.placeholder(tf.float32)\n",
"\n",
"# 첫번째 가중치의 차원은 [특성, 히든 레이어의 뉴런갯수] -> [2, 10] 으로 정합니다.\n",
"W1 = tf.Variable(tf.random_uniform([2, 10], -1., 1.))\n",
"# 두번째 가중치의 차원을 [첫번째 히든 레이어의 뉴런 갯수, 분류 갯수] -> [10, 3] 으로 정합니다.\n",
"W2 = tf.Variable(tf.random_uniform([10, 3], -1., 1.))\n",
"\n",
"# 편향을 각각 각 레이어의 아웃풋 갯수로 설정합니다.\n",
"# b1 은 히든 레이어의 뉴런 갯수로, b2 는 최종 결과값 즉, 분류 갯수인 3으로 설정합니다.\n",
"b1 = tf.Variable(tf.zeros([10]))\n",
"b2 = tf.Variable(tf.zeros([3]))\n",
"\n",
"# 신경망의 히든 레이어에 가중치 W1과 편향 b1을 적용합니다\n",
"L1 = tf.add(tf.matmul(X, W1), b1)\n",
"L1 = tf.nn.relu(L1)\n",
"\n",
"# 최종적인 아웃풋을 계산합니다.\n",
"# 히든레이어에 두번째 가중치 W2와 편향 b2를 적용하여 3개의 출력값을 만들어냅니다.\n",
"model = tf.add(tf.matmul(L1, W2), b2)\n",
"\n",
"# 텐서플로우에서 기본적으로 제공되는 크로스 엔트로피 함수를 이용해\n",
"# 복잡한 수식을 사용하지 않고도 최적화를 위한 비용 함수를 다음처럼 간단하게 적용할 수 있습니다.\n",
"cost = tf.reduce_mean(\n",
" tf.nn.softmax_cross_entropy_with_logits(labels=Y, logits=model))\n",
"\n",
"optimizer = tf.train.AdamOptimizer(learning_rate=0.01)\n",
"train_op = optimizer.minimize(cost)\n",
"\n",
"\n",
"#########\n",
"# 신경망 모델 학습\n",
"######\n",
"init = tf.global_variables_initializer()\n",
"sess = tf.Session()\n",
"sess.run(init)\n",
"\n",
"for step in range(100):\n",
" sess.run(train_op, feed_dict={X: x_data, Y: y_data})\n",
"\n",
" if (step + 1) % 10 == 0:\n",
" print(step + 1, sess.run(cost, feed_dict={X: x_data, Y: y_data}))\n",
"\n",
"\n",
"#########\n",
"# 결과 확인\n",
"# 0: 기타 1: 포유류, 2: 조류\n",
"######\n",
"prediction = tf.argmax(model, 1)\n",
"target = tf.argmax(Y, 1)\n",
"print('예측값:', sess.run(prediction, feed_dict={X: x_data}))\n",
"print('실제값:', sess.run(target, feed_dict={Y: y_data}))\n",
"\n",
"is_correct = tf.equal(prediction, target)\n",
"accuracy = tf.reduce_mean(tf.cast(is_correct, tf.float32))\n",
"print('정확도: %.2f' % sess.run(accuracy * 100, feed_dict={X: x_data, Y: y_data}))"
],
"execution_count": 11,
"outputs": [
{
"output_type": "stream",
"text": [
"(10, 0.5701831)\n",
"(20, 0.45672572)\n",
"(30, 0.3708576)\n",
"(40, 0.29628316)\n",
"(50, 0.22898163)\n",
"(60, 0.17073023)\n",
"(70, 0.12367465)\n",
"(80, 0.08809019)\n",
"(90, 0.062998004)\n",
"(100, 0.04577824)\n",
"('\\xec\\x98\\x88\\xec\\xb8\\xa1\\xea\\xb0\\x92:', array([0, 1, 2, 0, 0, 2]))\n",
"('\\xec\\x8b\\xa4\\xec\\xa0\\x9c\\xea\\xb0\\x92:', array([0, 1, 2, 0, 0, 2]))\n",
"정확도: 100.00\n"
],
"name": "stdout"
}
]
},
{
"metadata": {
"id": "Gq2UZry4YsAf",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
},
"output_extras": [
{
"item_id": 1
}
],
"base_uri": "https://localhost:8080/",
"height": 35
},
"outputId": "cf3fc159-e2bc-4d20-9655-402c3d60d5b5",
"executionInfo": {
"status": "ok",
"timestamp": 1520358002100,
"user_tz": -540,
"elapsed": 621,
"user": {
"displayName": "박경하",
"photoUrl": "https://lh3.googleusercontent.com/a/default-user=s128",
"userId": "110612470497084106049"
}
}
},
"cell_type": "code",
"source": [
"now = datetime.today()+ timedelta(hours =9) # 현재 in google\n",
"date = now.strftime('%Y-%m-%d')\n",
"time = now.strftime('%H:%M')\n",
"\n",
"print(\"작업종료시간 \") + date+ \" \" + time\n"
],
"execution_count": 23,
"outputs": [
{
"output_type": "stream",
"text": [
"작업종료시간 2018-03-07 02:40\n"
],
"name": "stdout"
}
]
},
{
"metadata": {
"id": "GbWtPW2vYHe_",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
},
"output_extras": [
{
"item_id": 1
}
],
"base_uri": "https://localhost:8080/",
"height": 648
},
"outputId": "43d9d2a1-0e8c-4c86-ad0c-0a2d65e9c8a9",
"executionInfo": {
"status": "ok",
"timestamp": 1520358159767,
"user_tz": -540,
"elapsed": 1195,
"user": {
"displayName": "박경하",
"photoUrl": "https://lh3.googleusercontent.com/a/default-user=s128",
"userId": "110612470497084106049"
}
}
},
"cell_type": "code",
"source": [
"#종료시 Naver 검색결과\n",
"import json, requests\n",
"from pandas.io.json import json_normalize\n",
"\n",
"r = requests.get('http://rank.search.naver.com/rank.js')\n",
"json_normalize(json.loads(r.text), ['data', 'data'])"
],
"execution_count": 25,
"outputs": [
{
"output_type": "execute_result",
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>change</th>\n",
" <th>cvalue</th>\n",
" <th>delta</th>\n",
" <th>keyword</th>\n",
" <th>rank</th>\n",
" <th>ratio</th>\n",
" <th>score</th>\n",
" <th>tvalue</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>0</th>\n",
" <td>+</td>\n",
" <td>969</td>\n",
" <td>0</td>\n",
" <td>나쁜남자</td>\n",
" <td>1</td>\n",
" <td>.</td>\n",
" <td>192</td>\n",
" <td>72.42260</td>\n",
" </tr>\n",
" <tr>\n",
" <th>1</th>\n",
" <td>+</td>\n",
" <td>1916</td>\n",
" <td>0</td>\n",
" <td>김기덕</td>\n",
" <td>2</td>\n",
" <td>.</td>\n",
" <td>174</td>\n",
" <td>69.56760</td>\n",
" </tr>\n",
" <tr>\n",
" <th>2</th>\n",
" <td>+</td>\n",
" <td>526</td>\n",
" <td>0</td>\n",
" <td>뫼비우스</td>\n",
" <td>3</td>\n",
" <td>.</td>\n",
" <td>465</td>\n",
" <td>57.19620</td>\n",
" </tr>\n",
" <tr>\n",
" <th>3</th>\n",
" <td>+</td>\n",
" <td>291</td>\n",
" <td>0</td>\n",
" <td>문성훈</td>\n",
" <td>4</td>\n",
" <td>.</td>\n",
" <td>969</td>\n",
" <td>32.35855</td>\n",
" </tr>\n",
" <tr>\n",
" <th>4</th>\n",
" <td>new</td>\n",
" <td>317</td>\n",
" <td>0</td>\n",
" <td>개그맨 미투</td>\n",
" <td>5</td>\n",
" <td>.</td>\n",
" <td>0</td>\n",
" <td>25.85373</td>\n",
" </tr>\n",
" <tr>\n",
" <th>5</th>\n",
" <td>+</td>\n",
" <td>418</td>\n",
" <td>0</td>\n",
" <td>pd수첩</td>\n",
" <td>6</td>\n",
" <td>.</td>\n",
" <td>159</td>\n",
" <td>25.14214</td>\n",
" </tr>\n",
" <tr>\n",
" <th>6</th>\n",
" <td>+</td>\n",
" <td>207</td>\n",
" <td>0</td>\n",
" <td>레알마드리드 파리생제르망</td>\n",
" <td>7</td>\n",
" <td>.</td>\n",
" <td>552</td>\n",
" <td>15.00216</td>\n",
" </tr>\n",
" <tr>\n",
" <th>7</th>\n",
" <td>+</td>\n",
" <td>427</td>\n",
" <td>0</td>\n",
" <td>김기덕 영화</td>\n",
" <td>8</td>\n",
" <td>.</td>\n",
" <td>993</td>\n",
" <td>48.41210</td>\n",
" </tr>\n",
" <tr>\n",
" <th>8</th>\n",
" <td>+</td>\n",
" <td>1370</td>\n",
" <td>1</td>\n",
" <td>조재현</td>\n",
" <td>9</td>\n",
" <td>+</td>\n",
" <td>39</td>\n",
" <td>17.37066</td>\n",
" </tr>\n",
" <tr>\n",
" <th>9</th>\n",
" <td>+</td>\n",
" <td>381</td>\n",
" <td>1</td>\n",
" <td>하룻밤만 재워줘</td>\n",
" <td>10</td>\n",
" <td>-</td>\n",
" <td>87</td>\n",
" <td>12.71871</td>\n",
" </tr>\n",
" <tr>\n",
" <th>10</th>\n",
" <td>+</td>\n",
" <td>269</td>\n",
" <td>0</td>\n",
" <td>챔피언스리그</td>\n",
" <td>11</td>\n",
" <td>.</td>\n",
" <td>126</td>\n",
" <td>12.98205</td>\n",
" </tr>\n",
" <tr>\n",
" <th>11</th>\n",
" <td>+</td>\n",
" <td>268</td>\n",
" <td>0</td>\n",
" <td>오펀 천사의 비밀</td>\n",
" <td>12</td>\n",
" <td>.</td>\n",
" <td>507</td>\n",
" <td>16.02470</td>\n",
" </tr>\n",
" <tr>\n",
" <th>12</th>\n",
" <td>+</td>\n",
" <td>210</td>\n",
" <td>1</td>\n",
" <td>콘스탄틴</td>\n",
" <td>13</td>\n",
" <td>+</td>\n",
" <td>447</td>\n",
" <td>14.91020</td>\n",
" </tr>\n",
" <tr>\n",
" <th>13</th>\n",
" <td>+</td>\n",
" <td>168</td>\n",
" <td>1</td>\n",
" <td>피에타</td>\n",
" <td>14</td>\n",
" <td>+</td>\n",
" <td>762</td>\n",
" <td>13.86960</td>\n",
" </tr>\n",
" <tr>\n",
" <th>14</th>\n",
" <td>+</td>\n",
" <td>144</td>\n",
" <td>2</td>\n",
" <td>안희정나이</td>\n",
" <td>15</td>\n",
" <td>+</td>\n",
" <td>576</td>\n",
" <td>10.57570</td>\n",
" </tr>\n",
" <tr>\n",
" <th>15</th>\n",
" <td>+</td>\n",
" <td>123</td>\n",
" <td>2</td>\n",
" <td>김정은</td>\n",
" <td>16</td>\n",
" <td>+</td>\n",
" <td>165</td>\n",
" <td>10.50856</td>\n",
" </tr>\n",
" <tr>\n",
" <th>16</th>\n",
" <td>+</td>\n",
" <td>139</td>\n",
" <td>1</td>\n",
" <td>텐마일즈</td>\n",
" <td>17</td>\n",
" <td>-</td>\n",
" <td>459</td>\n",
" <td>10.47060</td>\n",
" </tr>\n",
" <tr>\n",
" <th>17</th>\n",
" <td>+</td>\n",
" <td>134</td>\n",
" <td>1</td>\n",
" <td>박혜경</td>\n",
" <td>18</td>\n",
" <td>+</td>\n",
" <td>459</td>\n",
" <td>10.12950</td>\n",
" </tr>\n",
" <tr>\n",
" <th>18</th>\n",
" <td>+</td>\n",
" <td>102</td>\n",
" <td>0</td>\n",
" <td>신용우</td>\n",
" <td>19</td>\n",
" <td>new</td>\n",
" <td>801</td>\n",
" <td>9.94253</td>\n",
" </tr>\n",
" <tr>\n",
" <th>19</th>\n",
" <td>+</td>\n",
" <td>132</td>\n",
" <td>0</td>\n",
" <td>김새론</td>\n",
" <td>20</td>\n",
" <td>.</td>\n",
" <td>189</td>\n",
" <td>9.84462</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"</div>"
],
"text/plain": [
" change cvalue delta keyword rank ratio score tvalue\n",
"0 + 969 0 나쁜남자 1 . 192 72.42260\n",
"1 + 1916 0 김기덕 2 . 174 69.56760\n",
"2 + 526 0 뫼비우스 3 . 465 57.19620\n",
"3 + 291 0 문성훈 4 . 969 32.35855\n",
"4 new 317 0 개그맨 미투 5 . 0 25.85373\n",
"5 + 418 0 pd수첩 6 . 159 25.14214\n",
"6 + 207 0 레알마드리드 파리생제르망 7 . 552 15.00216\n",
"7 + 427 0 김기덕 영화 8 . 993 48.41210\n",
"8 + 1370 1 조재현 9 + 39 17.37066\n",
"9 + 381 1 하룻밤만 재워줘 10 - 87 12.71871\n",
"10 + 269 0 챔피언스리그 11 . 126 12.98205\n",
"11 + 268 0 오펀 천사의 비밀 12 . 507 16.02470\n",
"12 + 210 1 콘스탄틴 13 + 447 14.91020\n",
"13 + 168 1 피에타 14 + 762 13.86960\n",
"14 + 144 2 안희정나이 15 + 576 10.57570\n",
"15 + 123 2 김정은 16 + 165 10.50856\n",
"16 + 139 1 텐마일즈 17 - 459 10.47060\n",
"17 + 134 1 박혜경 18 + 459 10.12950\n",
"18 + 102 0 신용우 19 new 801 9.94253\n",
"19 + 132 0 김새론 20 . 189 9.84462"
]
},
"metadata": {
"tags": []
},
"execution_count": 25
}
]
},
{
"metadata": {
"id": "DhVyRbUIIxqG",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"#2. Assignment: notMNIST"
]
},
{
"metadata": {
"id": "TKBSYhc3Le6a",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
}
}
},
"cell_type": "code",
"source": [
" #TEB"
],
"execution_count": 0,
"outputs": []
},
{
"metadata": {
"id": "CYWc5AuoNSag",
"colab_type": "text"
},
"cell_type": "markdown",
"source": [
"#3. Deep Neural Networks"
]
},
{
"metadata": {
"id": "uVpWhQlKNThe",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
}
}
},
"cell_type": "code",
"source": [
"#TEB"
],
"execution_count": 0,
"outputs": []
},
{
"metadata": {
"id": "wUeiPszKNV4d",
"colab_type": "code",
"colab": {
"autoexec": {
"startup": false,
"wait_interval": 0
}
}
},
"cell_type": "code",
"source": [
""
],
"execution_count": 0,
"outputs": []
}
]
}
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment