Wendi's Learning

웹개발 과정의 4주차에서는 Flask 프레임워크를 이용해 API를 만들고 클라이언트와 연결하는 방법을 배웠다. Flask로 서버를 만들때는 항상 static, templates(index.html), app.py를 세팅한다. (venv는 가상환경 관련 폴더이므로 건드리지 않는다.) 1. API 클라이언트가 서버에 요청할 때, GET / POST 방식으로 할 수 있다. @app.route('/test', methods=['GET']) def test_get(): title_receive = request.args.get('title_give') print(title_receive) return jsonify({'result':'success', 'msg': '이 요청은 GET!'}) @app.route('..

3주차에는 파이썬 패키지를 이용해 웹스크래핑(크롤링)을 하고, 이 데이터를 DB로 저장하는 방법을 배웠다. 1. 파이썬 가상환경 : 프로젝트별로 패키지들을 담을 공구함. 다른 프로그램의 동작에 영향을 주지 않는 격리된 실행환경. Requests 라이브러리 import requests # requests 라이브러리 설치 필요 r = requests.get('http://openapi.seoul.go.kr:8088/6d4d776b466c656533356a4b4b5872/json/RealtimeCityAir/1/99') rjson = r.json() gus = rjson['RealtimeCityAir']['row'] for gu in gus: if gu['IDEX_MVL'] < 60: print (gu['MS..

import pandas as pd import numpy as np import matplotlib.pyplot as plt import chart_studio.plotly as py %matplotlib inline Plotly, Cufflinks from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot import cufflinks as cf # For Notebooks init_notebook_mode(connected=True) # For offline use cf.go_offline() df = pd.DataFrame(np.random.randn(100,4), columns = 'A B C D'.split()) ..

f = plt.figure() # select only 0~29 index df3.iloc[0:30].plot.area(alpha = 0.4, ax = f.gca()) # move legend outside of the plot plt.legend(loc = 'center left', bbox_to_anchor = (1.0, 0.5)) plt.show()​ import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt %matplotlin inline df1 = pd.read_csv('df1', index_col=0) df2 = pd.read_csv('df2') df1.head() df2.head() ..

import seaborn as sns %matplotlib inline Load Data tips = sns.load_dataset('tips') tips.head() Distribution Plot # distribution plot sns.displot(tips['total_bill # kde sns.distplot(tips['total_bill'], kde = True, bins = 30) Joint Plot # kind = plot 종류 sns.jointplot(x = 'total_bill', y = 'tip', data = tips, kind = 'scatter') sns.jointplot(x = 'total_bill', y = 'tip', data = tips, kind = 'hex') sn..

import matplotlib.pyplot as plt %matplotlib inline Basic Plot import numpy as np x = np.linspace(0,5,11) y = x ** 2 plt.plot(x, y, 'red') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.title('Title') plt.show() Subplot plt.subplot(1,2,1) # nrow, ncol, index(1~) plt.plot(x, y, 'r') plt.subplot(1,2,2) plt.plot(y, x, 'b') Object Oreinted Method fig = plt.figure() axes = fig.add_axes([0.1, 0.1, 0.8, ..

Pandas import numpy as np import pandas as pd labels = ['a','b','c'] my_list = [10,20,30] arr = np.array([10,20,30]) my_dict = {'a' : 10, 'b' : 20, 'c' : 30} Series pd.Series(data = my_list) pd.Series(data = my_list, index = labels) pd.Series(arr) pd.Series(arr,labels) pd.Series(my_dict) ser_1 = pd.Series([1,2,3,4], index = ['A','B','C','D']) ser_1 ser_2 = pd.Series([4,3,2,1],['B','C','D','F']) ..

Array import numpy as np my_list = [1,2,3] np.array(my_list) my_matrix = [[1,2,3],[4,5,6,],[7,8,9,]] np.array(my_matrix) Arange np.arange(11) np.arange(1,11) np.arange(1,11,2) # interval Zeros, Linspace np.zeros(3) np.zeros((5,5)) # matrix = tuple np.linspace(0,10,3) # linearly spaced in area np.linspace(0,10,50) Random np.random.rand(3) # [0,1) np.random.randn(2,5) # standard normal np.random.r..

Coursera의 Neural Networks and Deep Learning 3주차 강좌를 모두 마쳤다. 이번 주차에서는 hidden layer가 하나만 있는 모델을 사용해 딥러닝을 구현하는 내용이었다. 수업을 들으면서 어찌저찌 진도는 나갔지만, numpy의 shape(dimension)에 대한 정확한 이해와 딥러닝 학습 흐름에 대한 이해가 부족한 것 같다. 1. $a^{[i]}$ 는 i 번째 layer, $a_n$ 은 n번재 unit, $a^{[i](m)}$ 은 m번째 training example을 의미한다. 2. Vectorizing을 통해서 for-loop을 없앨 수 있는데, 같은 column은 같은 training example이, 같은 row에는 같은 unit이 위치하도록 한다. 3. NN을..

Neural Networks Overview What is a Neural Network? Neural Network는 여러개의 hidden layer가 연결되어 있는 Logistic Regression과 비슷하다. Backward Propagation(calculation)을 통해 cost function의 각 변수에 대한 편미분 값을 구할 수 있다. Neural Network Representation $a^{[i]}$를 통해 i번째의 layer를 나타낸다. $a_n$을 통해 n번째의 unit을 나타낸다. $$a^{[0]} = X \ , \ a^{[1]} =\begin{bmatrix} a_1^{[1]} \ a_2^{[1]} \ \vdots \ a_n^{[1]} \end{bmatrix} \ , \ a^..