오션코딩학원

개요 이 글은 Andrew Ng. 교수님 강의 중 "Logistic Regression" 부분을 제 나름의 이해방식으로 정리해 기록하는 글입니다.   Logistic Regression 로지스틱 회귀 는 선형 회귀의 결과를 시그모이드 함수( Sigmoid function) 에 적용하여 확률 값을 출력하는 모델입니다. 이 함수는 입력값이 뭐든 항상 0과 1 사이의 값을 출력하므로, 이진 분류( Classification ) 문제에서 확률 값으로 해석할 수 있습니다.  Source : Andrew Ng. Cousera 따라서 분류문제에서 시그모이드함수의 결과값이 0.5 보다 크거나 같으면 1(참) , 아니면 0(거짓) 으로 생각할 수 있습니다.   여러분이 공무원 시험준비를 한다고 가정해 볼까요. 🤔 공부시간(x0), 시도횟수(x1) 등의 따른 합격여부 데이터(Y)가 있다면, 대략 둘을 합친 값이 3보다 크면 합격, 아니면 불합격하더라 라는 데이터가 있다고 가정해 보겠습니다. (예를 들면 1회 응시, 2시간 이상 공부, 또는 2회 응시 2시간 공부 등) Source : Andrew Ng. Cousera 붉은색 X는 합격, 파란색 O는 불합격이라면,  어렵지 않게 경계선, 결정경계 를 발견할 수 있습니다. (예, 2회 응시하고 2시간 공부하면 합격, 1회 응시하고 1시간 공부하면 불합격) Source : Andrew Ng. Cousera ...

개요 Andrew Ng. 교수님 ML ( M achine L earning) 강의 중 Linear Regression 관련 내용을 정리해 두고자 합니다. 

개요 최근 "가까운 미래에 AI 로 인해 프로그래머라는 직업은 사라지고, 프로그래밍언어는 배울 필요가 없다" 라는 말을 자주 보고, 듣곤합니다. Source : Bing Image Creator 저도 Dart, Kotlin 같은 제게 익숙하지 않은 언어로 모바일앱을 만들때 AI의 도움을 받아 작성하는 경우가 종종 있으며 그 편리함뒤에 다가오는 놀라움과 약간의(?) 위기감을 실감하고 있습니다.

개요 이번 주제는 OpenAI API ( A pplication P rogramming I nterface) 를 활용한 챗봇 개발 입니다. 😃Wow~ 아래 결과물을 먼저 살펴보겠습니다. 이 글은,  OpenAI API 를 이용해 챗봇 GUI 를 구성하고 데이터파일(*.xlsx)을 추가, 대화내용에 데이터를 포함한 분석 결과를 챗봇으로부터 얻는 과정을 설명합니다.

휴대폰 카메라에 자세를 보여주세요 Bing Image Creator A.I가 분석하고 관절의 각도를 표시합니다 정량적 수치로 분석하세요 올바른 자세는 운동의 효율을 높여줍니다 그리고 불필요한 개입을 방지해 부상을 예방합니다 Bing Image Creator 페달링의 각도는 부상방지에 중요합니다 바른자세를 유지하세요 운동효과를 과학적으로 모니터링 하세요 한계는 넘어설 수 있습니다 촬영된 사진, 동영상도 분석가능합니다 동영상의 주요 장면을 사진으로 저장, 분석하세요 일상에서 활용하세요 거북목은 위험합니다 더 많은 관절 정보가 필요한가요? 자세가 인식되지 않는다면 신뢰도를 조정하세요 인식가능한 관절은 다음과 같습니다 출처: Google MediaPipe PoseInsight 를 활용하세요 부상과 통증을 줄이고 운동을 즐겁게.😊 Google PlayStore Link https...

개요 평소 정신, 육체적 건강을 위해 로드 자전거를 즐겨탑니다. 좋아하는 운동이다 보니 잘하고 싶은 마음은 늘 앞서는데 실력은...🤫 부족한 운동량 때문이겠지만 빨리 늘지 않네요. 무리하다 보면 다리 쥐도 나고 무릎이 아프기도 합니다. 

개요 안녕하세요. 평소 육체적, 정신적 건강을 위해 자전거 를 즐겨탑니다. 훈련양이 적어 실력이 부족함에도 늘 더 잘타고 싶은 욕망에 좀 더 시간대비 효과적인 훈련방법에 대한 고민이 많습니다. 😓 특히 페달링을 하는 각도 와 안장의 높이에 대해 여러 공부를 하고 있습니다. 그러던 와중에 구글의 MediaPipe 라는 기술을 알게 되었고 취미인 싸이클에 적용하기 위해 앱을 만들어 보았습니다.  꼭 싸이클분야가 아니어도 아래의 내용을 읽은 후 관절 번호를 변경하면 신체의 어느 부위라도 관절 인식 및 각도 측정이 가능 합니다. YouTube 운동영상 녹화후 분석 골격인식 후 팔꿈치, 무릎각도 측정 주요 기능으로 1. 실시간, 또는 저장된 동영상에서 인체 골격 추출 2. 골격의 위치좌표 를 역탄젠트 함수로 각도 측정 3. 어깨, 팔꿈치, 팔목 3 좌표로 팔꿈치(ELBOW) 각도 측정 4. 엉덩관절, 무릎, 발목 3 좌표로 무릎(KNEE) 각도 측정   Google MediaPipe MediaPipe 솔루션은 애플리케이션에 인체특징인식 관련  인공지능 (AI) 및 머신러닝 (ML) 기법을 빠르게 적용할 수 있는 라이브러리와 도구 모음을 제공합니다. Google MediaPipe 소개   아래의 솔루션에서 인체 특징을 감지할 수 있으며 저는 "Pose Landmark" 기술을 활용해 앱을 제작하였습니다.  보통 구글 GCP( G oogle C ...

개요 최근 심화반수업을 수강하는 학원생분을 통해 Meta AI (과거 Facebook ) 에서 발표한 SAM ( S egment A nything M odel) 이라는 기술을 알게되었습니다. 

들어가며 이 글이 처음 딥러닝(Deep Learning) 을 공부하는 분들에게 도움이 되었으면 합니다. 저도 딥러닝을 공부하며 자주 찾는 아래 사이트의 게시물을 사견 + 번역해 옮긴 내용입니다. 딥러닝을 처음 공부하면, 대부분 TensorFlow 를 찾아 자료를 검색하고 공부해 가는데, 경험상 처음은 Keras 를 이용해 간단한 예제부터 시작해 개념을 파악한 후 깊게 진행하는 방식이 저는 쉬웠습니다. [자료 출처] Your First Deep Learning Project in Python with Keras (링크) , Jason Brownlee, PhD 

대학교 졸업 후 DVR (Digital Video Recorder) 을 프로그래밍할 기회가 있었습니다. DVR은 쉽게 다수의 CCTV 카메라 영상을 녹화해 저장하는 장치입니다. 제가 만든 제품이 부산 사직야구장에 설치되었으며, 현재는 시간이 오래되어 아마 다른 제품이 설치되어 있을 것입니다. 당시, 녹화용량을 줄이기 위해 동영상의 정지 영상을 한 프레임씩 가져와 이전 프레임과 비교해 픽셀의 변화가 있는 경우 (움직임 감지) 저장하는 방식으로 구현했던 기억이 납니다. 요즘은 영상처리기술이 얼마나 진보했나 싶어 자료를 찾아보다 OpenCV 를 이용해 쉽게 얼굴, 눈, 전신, 상체, 하체 등을 인식하는 방법이 있어 소개합니다. 이 프로그램은 Python + OpenCV + PyQt5를 이용해 제작되었습니다. 프로그램 실행파일의 경로에 아래에 소개된 Haar Cascades.xml 파일이 같이 위치해야 합니다. Pyinstaller로 제작된 실행파일 링크 (PyQt5와 OpenCV 모듈에 필한 dll, lib 가 모두 single exe로 포함되어 용량(약 80MB)이 큽니다)  좋아하는 배우인 이선균씨 얼굴을 핸드폰에 띄우고 노트북 웹캠으로 얼굴, 눈을 인식해 봤습니다. [실행 화면] OpenCV 를 이용해 만들었으므로, 컴퓨터 비전에 대한 지식이 없어도 무방합니다. 아래 동영상은 포토샵의 '레나' 이미지를 인식시켜 본 결과입니다.   OpenCV 란? 실시간 컴퓨터 비전을 목적으로 인텔에서 C++로 만든 크로스 플랫폼 라이브러리 파이썬에서도 python -m pip install opencv-python 으로 설치 후 사용 가능 ...

아이폰 광고에서 보았던 face 인식 기술 을 MS 파이썬 예제를 참조해 만들어 보았습니다. 먼저 Azure나 Machine learning 에 대해 궁금한 전반적인 사항은 이전에 올린 "음성인식" 관련 글을 참조해 주시기 바랍니다. 얼굴 인식의 기본적인 원리는 아래와 같습니다. 1. MS Azure Cognitive(인지) 기술 준비 (서비스 가입후 key 필요) 2. 분석할 이미지를 웹에 업로드 (클라우드 기반이라 로컬 이미지는 동작하지 않네요) 3. 분석할 이미지의 웹주소를 코드에 추가하고 인지 API 함수 호출 4. 클라우드 기반으로 웹 이미지 분석을 마치면, 이미지 속성 (사진에서의 얼굴영역, 나이, 머리색, 성별, 표정 등) 이 호출 함수 리턴값으로 들어옴 즉 웹상의 이미지를 MS 머신러닝 서버에 넣으면, 분석이 나오는데 이를 결과로 받아오는 방식 입니다. 얼굴 인식 알고리즘을 모르더라도, 쉽게 MS 인지 서비스를 이용해 해당 결과를 코드로 구현이 가능합니다. 참 좋은 세상입니다. 사실 얼굴인식 알고리즘은 개인 또는 기업이라도 쉽게 구현할 수준의 것이 아닙니다. 먼저 해당 코드를 실행한 결과부터 살펴보겠습니다. 첫번째로 MS 예제 코드에 링크된 여성의 사진입니다. 가운데 붉은 선으로 표시된 부분이 얼굴을 인식한 부분입니다. 코드를 작성한 후 해당 이미지의 속성을 같이 출력해 보니 다음과 같습니다. face rectangle 정보는 이미지상에 붉은 사각형으로 표시된 얼굴 영역의 좌표를 의미합니다. face attribute는 여성, 24세, 행복한 표정이라고 분석 결과가 나왔습니다. 우리 가족은 어떻게 나올까 싶어, 이미지를 변경해 실행해 보았습니다. ㅎㅎ 일단 4명의 인물에 대한 얼굴 영역을 정확히 인식합니다. 세부 결과는 아래와 같습니다. ...