본문 바로가기

분류 전체보기307

15. 앱인벤터: 가속도 센서 활용 랜덤 런치박스 앱만들기 이번에는 가속도 센서를 활용하여 랜덤 런치박스 앱을 만들어 보려한다. 매번 식사 시간만 되면 무엇을 먹어야 할지 고민되는 직장인?! 들을 위해 ㅋㅋㅋㅋ 핸드폰을 흔들면 메뉴가 랜덤으로 딱 나오는! 앱이다. 점심시간이 다가오는 오전에 아이들과 이 앱을 만들면 흥분의 도가니가 된다. 우선 전체 완성 모습은 아래와 같다! 이미지 다운 받기 https://drive.google.com/drive/folders/1qurxBdsBGtEKvPZUiafe5DrRL3tAYM4K?usp=sharing 그럼 먼저 디자이너 화면으로 넘어가보자. 이번 앱에서는 보이는 컴포넌트와 보이지 않는 컴포넌트로 나뉘어 살펴봐야한다. 보이는 컴포넌트는 이미지와 레이블이고, 보이지 않는 컴포넌트는 가속도센서와 알림이다. 그럼 각 컴포넌트들의.. 2022. 8. 24.
18. 앱인벤터 - 수평 배치, 스크린 색 지정 기능 활용하기 지난번 글에서는 이미지를 클릭하면 오늘의 기분 글이 나오는 간단한 앱을 제작해보았습니다. 17. 앱인벤터 - 이미지, 레이블을 활용한 오늘의 기분 앱 제작 17. 앱인벤터 - 이미지, 레이블을 활용한 오늘의 기분 앱 제작 오늘은 앱인벤터의 기초기능인 이미지, 레이블을 활용한 오늘의 기분 앱을 제작해보려합니다. 우선 완성 모습을 먼저 보겠습니다. 나의 기분을 나타내는 이몬티콘을 터치하면 그에 따른 상태 creatorjo.tistory.com 오늘은 화면과 코딩을 업그레이드해서 오늘의 기분 앱을 업그레이드 시켜보겠습니다. 1. 앱 화면 만들기 우선 디자이너 화면을 살펴보겠습니다. 오늘의 기분 앱이 4가지 기분으로 업데이트 된 것을 볼 수 있죠! 각각의 이모티콘을 클릭하면 맨 아래 '오늘의 기분'이라고 적혀있.. 2022. 8. 23.
17. 앱인벤터 - 이미지, 레이블을 활용한 오늘의 기분 앱 제작 오늘은 앱인벤터의 기초기능인 이미지, 레이블을 활용한 오늘의 기분 앱을 제작해보려합니다. 우선 완성 모습을 먼저 보겠습니다. 나의 기분을 나타내는 이몬티콘을 터치하면 그에 따른 상태 메시지가 나오는 아주 간단한 앱이죠. 교실 앞에 이 앱을 켜두고 자신의 기분을 선택하도록 하면 어떨까?? 싶은 마음에 아주 간단하게 샘플 앱을 제작해보았습니다. 1. 앱 화면 만들기 앱의 화면은 최대한 간단하게 만들어 보았습니다. 이미지1, 이미지2, 레이블만 추가하여 심플 컨셉으로 만들었습니다. 스크린1의 속성을 보면 수평정렬과 수직정렬은 모두 가운데로 해 주었습니다. 스크린 속성탭에는 이렇게 아이콘이라는 부분이 있는데 이 부분에 그림을 넣어주면 앱을 핸드폰이나 태블릿PC에 다운받았을 때 표시가 됩니다. 아이콘 까지 넣어서.. 2022. 8. 22.
파이썬으로 데이터 사이언스 시작하기 ★데이터 사이언스란? 데이터에 대한 이해, 데이터를 다루는 일을 의미한다. 데이터를 다루려면 소프트웨어가 필요하다. 카카오톡, 인스타그램, 페이스북, 네이버, 지하철 카드 찍기 등 모든 것이 데이터로 저장되고 있다. 때문에 모든 업계는 데이터를 기반으로 상품을 판매한다. 심지어 정치권에서도 사용중이다. 2012년 오바마, 2016년 트럼프 대선 성공은 모두 데이터 분석에서 시작되었다. ★Data science의 정의 데이터 사이언스는 다양하게 정의되고 있다. 1) 위키피디아 데이터 마이닝과 유사하게 정형, 비정형 형태를 포함한 다양한 데이터로부터 지식과 인사이트를 추출하는데 과학적 방법론, 프로세스, 알고리즘, 시스템을 동원하는 융합분야이다. 2) 위키피디아 요약! 다양한 데이터로부터 지식과 인사이트를 .. 2022. 8. 8.
아두이노 기초 아두이노 기초 1. 아두이노는 공짜?! 아두이노는 오픈소스 하드웨어로 '누구나 검색, 제작, 이용이 가능'하다! 그러다보니 아두이노 가격은 매우 저렴하다. 아두이노 우노 기준 6천원대라는 저렴한 가격대를 볼 수 있다. 오픈소스 하드웨어의 종류로는 아두이노, 라즈베리파이, 비글본 등이 있다. 라즈베리파이는 좀 더 고급 기능을 사용할 수 있다. 그만큼 작동법이 어렵긴 하지만 만들 수 있는 작품이 매우 다양하다. 2. 아두이노 사용을 위한 소프트웨어 설치! 아두이노를 작동시키려면 프로그래밍을 해주어야한다. 크롬 브라우저로 접속한 경우 Arduino 1.0.x 에서 1.0.5의 window 부분 위에서 마우스 우클릭을 한 뒤 다른 이름으로 저장을 누르면 된다! 만약 안된다면 익스플로러 엣지를 사용하면 좋다~! .. 2021. 6. 22.
딥러닝 알아보기(인공지능, 머신러닝, 딥러닝의 관계)_파이썬으로 머신러닝 배우기 딥러닝 살펴보기 먼저 인공지능, 머신러닝, 딥러닝의 차이를 알아보자. 인공지능은? 사람이 갖는 지능을 흉내내는 인공적인 지능을 의미한다. 머신러닝은? 데이터를 이용해 기계를 학습시키는 방법을 의미한다. 딥러닝은? 머신러닝의 한 종류로 인공신경망을 이용하는 방법을 의미한다. 딥러닝에도 다양한 알고리즘이 존재하는데 1)-4) 까지가 주로 사용된다. 1) 합성곱 신경망(Convolutional Neural Network, CNN) 영상처리, 신호처리 2) 순환 신경망(Recurrent Neural Network, RNN) 자연언어 처리 3) 심층 신뢰 신경망(Deep Belief Network, DBN) 학습 데이터가 적을 때 4) 심층 Q-네트워크(Deep Q-Networks) 강화학습 1. 데이터 유형 머.. 2021. 5. 31.
비지도학습(AgglomerativeClustering)_파이썬으로 머신러닝 배우기 1. AgglomerativeClustering이란? 병합균집을 의미한다. 즉, 가장 가까운 것끼리 합치는 것을 의미한다. ward : 분산을 가장 작게 하는 방법 average : 평균 거리를 가장 짧게 하는 방법 2. Iris 데이터를 사용해보기 import numpy as np from sklearn.cluster import AgglomerativeClustering from sklearn import datasets from sklearn import metrics from sklearn.metrics.cluster import homogeneity_score,completeness_score,v_measure_score iris = datasets.load_iris() X = iris.data.. 2021. 5. 26.
비지도학습(DBSCAN)_파이썬으로 머신러닝 배우기 1. DBSCAN(Density-Based Spatial Clustering of Applications Noise) 공간 밀집도를 기반으로 코어 포인트, 보드 포인트를 정한다. K-Means 클러스터링 방법은 단순하고 강력한 방법이지만 클러스터의 모양이 원형이 아닌 경우에는 잘 동작하지 않으며 클러스터의 갯수를 사용자가 지정해주어야 한다. DBSCAN은 데이터가 밀집한 정도 즉 밀도를 이용하여 클러스터의 형태에 구애받지 않으며 클러스터의 갯수를 사용자가 지정할 필요가 없다. 2. Iris 데이터를 DBSCAN으로 군집화하기 아래는 거리가 0.5 10개의 데이터가 있으면 군집화시키는 코드이다. import numpy as np from sklearn.cluster import DBSCAN from skl.. 2021. 5. 24.
비지도학습(K-mean)_파이썬으로 머신러닝 배우기 비지도학습의 평가 방법 1) completemcess 2) homogeneity 3) The V-measure(1과2의 평균) 1. K-평균 사용 방법 1) 임의로 두 개를 선택한다. 2) 각 자료들은 가까운 두 그룹으로 배당한다. 3) 각 군집내의 자료들의 평균을 계산한다. 중심이 평균값이다. 4) 최대 반복수까지 또는 평균이 수렴할 때까지 반복한다. 특징 1) 반드시 군집수를 결정해야한다. 2) 초기값이 중요하다(초기값이 서로 떨어진 것). 3) 이상한 자료에 민감하다. 2. Iris(붖꽃 데이터)로 K-Mean 사용해보기 from sklearn.cluster import KMeans from sklearn import datasets iris = datasets.load_iris() X = iris.. 2021. 5. 20.
iris 분류하기(K-NN모델)_파이썬으로 머신러닝 배우기 머신러닝의 학습 종류는 지도학습 비지도학습 강화학습 이렇게 3가지가 있다. 그 중 K-NN모델을 활용해 지도학습하는 방법을 살펴보자! 1. Confusion Matrix(평가 방법) 2. Confusion Matrix(평가 방법)의 Presicion(정확도), Recall(재현율), F1_scroe(점수) F1_score : 정확도와 재현율을 균등하게 반영 3. 다양한 데이터 수집 UCI 에서 제공하는 다양한 데이터 archive.ics.uci.edu/ml/datasets.php UCI Machine Learning Repository: Data Sets archive.ics.uci.edu Kaggle에서 제공하는 빅데이터 www.kaggle.com/datasets Find Open Datasets an.. 2021. 5. 10.

티스토리툴바