머신 러닝을 위한 학습 알고리듬을 코딩함에 있어서 성공 여부는 데이터의 확률분포 특성 파악에 달려있을 만큼 중요한 역할을 하게 된다. 따라서 머신 러닝에 관련된 내용을 읽을 경우 흔히 알게 모르게 언급되는 최소한도의 용어의 뜻과 쓰임새를 알아보자. 이 최소한의 내용이 꼭 머신 러닝뿐만 아니라 혹 어쩌다가 강원랜드나 라스베가스를 우연히 방문하게 될 때 도움이

ESP8266WiFi 32비트 칩을 사용하는 아두이노 호환 사물인터넷 보드인 NodeMCU/WeMos 보드에 이어 차세대 아두이노 호환 보드의 자리를 노리는 보다 성능이 뛰어날 수도 있는 후속 보드들이 출현하고 있다. WeMos LOLIND32 보드는 ESP8266WiFi 칩이 아닌 ESP32라는 역시 32비트 고성능 칩을 탑재하고 WiFi 와 블루투스를 모두

머신 러닝 선형 회귀 분석이 적용되는 제대로 된 예제로서 할아버지 시계 입찰 가격 결정 문제를 다루기로 한다. 실생활에서의 머신 러닝 분석이 대상이 되는 문제들은 통계학과 밀접한 관계를 맺고 있으며 아래의 인터넷 주소를 참조하기로 한다. 따라서 통계학 사이트( 포함되어 있는 아래 사이트의 할아버지 시계 입찰 데이터를 다운 받아 사용하기로 한다. 상태가 좋은

아래 그림의 두가지 선형회귀 예제를 비교해 보자. 첫번째 선형 회귀 그래프가 보여 주는 점 (x,y) 데이타의 패턴은 어떠한가? x 좌표의 위치를 보면 0∼10 사이의 범위에 골고루 분포해 있다는 것을 쉽게 알 수 있다. 좀 더 엄밀하게 확률통계 측면에서 보면 x 좌표는 구간 0∼10 사이에서 균일하게 분포한다고 볼 수 있을 것이며, 통계 확률에서 사용하는

선형회귀 문제를 다룰려면 세상에서 일어나는 사실적인 통계 데이터를 사용하는 것이 제일 좋을 것이다. 하지만 TensorFlow 사용법을 배우는 취지 측면에서 너무나도 자명하면서 간단한 즉 선형회귀 분석을 하지 않아도 답을 알 수 있을 정도의 간단한 문제를 TensorFlow 로 적용하여 풀어보는 것도 좋을 듯하다. TensorFlow를 설치하여 사용하는 방법에

인공지능 알파 고 충격에서부터 시작하여 4차 산업혁명이라는 용어에 이르기까지 머신 러닝 분야가 너무나도 많은 관심을 불러일으키고 있는게 사실인 듯하다. 언뜻 보면 최첨단으로서 그 누구도 쉽게 근접할 수 없어 보이는 듯한 착시 현상이 들 수도 있겠지만 세상의 모든 일이란 것이 근본부터 차근 차근 따져 보면 양자 도약 현상과 같이 갑작스럽게 튀어 나온 것은 아니며

TensorFlow 라이브러리를 사용한 머신 러닝을 배워나가다 보면 너무나 잘 알려진 MNIST 숫자인식 코드가 등장하는데 물론 에러 없이 실행이 잘 되지만 적어도 사용자가 이미지 분석을 위한 코드를 개발할 목적이라면 이 MNIST 코드를 세세히 알아야 할 필요가 있다. 그렇치 않고서는 이후에 전개되는 Neural Network 코딩이라든지 RNN, CNN

TensorFlow 라이브러리를 사용한 머신 러닝을 배워나가다 보면 너무나 잘 알려진 MNIST 숫자인식 코드가 등장하는데 물론 에러 없이 실행이 잘 되지만 적어도 사용자가 이미지 분석을 위한 코드를 개발할 목적이라면 이 MNIST 코드를 세세히 알아야 할 필요가 있다. 그렇치 않고서는 이후에 전개되는 Neural Network 코딩이라든지 RNN, CNN

Processing 의 HTTP 기능을 사용하여 이더넷 쉴드가 설치된 아두이노 우노 보드의 디지털 핀 3번과 4번에 설치된 2개의 LED 즉 Red LED 와 Green LED를 제어하여 보자. 사용된 전류 제한 저항은 220Ω이다. 2개의 LED가 1개의 전류제한 저항을 사용하여 아래 그림처럼 배선하자. LED 1개를 이더넷을 통래 제어하는 코딩 문제와 본질적인

100Ω저항과 220μF 극성콘덴서로 구성된 저주파 필터를 제작하여 아두이노 우노 보드의 디지털 핀과 배선하였다. 저주파 필터 회로 실험을 위한 아두이노 디지털 핀의 선정은 pinout 다이아그램에서 물결 표시가 있는 즉 PWM(pulse width modulation) 이 가능한 핀 3, 5 ,6, 9, 10, 11번 핀 중에 하나를 선택해 사용해야 한다.

“카페에서” 편곡 과정에서 마디를 시작할 때에 나타나는 쉼표 처리를 위한 코딩을 고려해 보자. 음악 연주 코딩은 계명(pitch), 소리크기(dynamics:loudness), 박자(duration) 세가지로 구성이 된다. 쉼표는 계명 자체가 부여되지 않으며, 숨쉬는 소리는 소리 크기를 0으로 처리하도록 하고 박자는 당연히 부여해야 한다. Processing의

( Processing 의 HTTP 기능을 사용하여 PC에 설치된 무선 공유기와 연결된 이더넷을 통해 아두이노 우노 보드에 설치된 LED를 제어하여 보자. 아두이노 우노의 웹서버 형식 코드는 그다지 바뀌는 내용이 없다. 별것아닌 코딩이지만 그래도 Processing 으로 버튼을 준비해서 아두이노 사물 인터넷 제어 LED ON OFF 최초로 성공적이네요. 아두이노

불필요한 내용물을 삭제하고 6일전 게재물로 대체하여 Reposting하오니 양해 바랍니다. 이더넷 쉴드가 설치된 아두이노 우노 보드에 설치된 2개의 LED 즉 Red LED 와 Blue LED의 밝기를 연속적으로 제어하여 보자. Dimmering 또는 Fading 이라고도 한다. 물론 LED를 아날로그적으로 밝기를 조절하는 정도이지만 실제 응용에서는 서보 모터나

Processing에서 Button 클라스 선언에 의해 ON 버튼을 그래픽 화면에 출력하였다. 아울러 mouseX 의 값이 이 ON 버튼 상에 위치하게 되면 MouseIsOver 루틴에 의해 버튼 하단에 같은 색상의 납작한 사각형 버튼을 출력하고 mouseX 의 값이 이 ON 버튼의 범위를 벗어나면 출력을 지워버렸다. 아울러 버튼을 클릭하게 되면 지금가지의

사정상 몇 일 전 게재된 내용을 Reposting 하였으니 양해 바랍니다. Processing 라이브러리 중에서 음악 연주를 가능하게 하는 sound.cipher 라이브러리를 이미 소개하였다. 그대로 설치가 되었으면 UltimateSong 과 Bing 에제를 체크해 보자. 이 에제들은 결국 sound.cipher 라이브러리를 사용하여 어떻게 음악 연주곡으로

아두이노 사물인터넷 웹서버 코딩에서는 HTML언어에 의한 버튼 코딩이 편리하게 사용됨에 반하여 Processing 클라이언트 코딩에서는 아두이노에 설치된 LED를 제어하기 위해서 그래픽 화면 상에서 위치 파악이 가능한 mouseX 와 같은 명령을 사용하여 digitalWrite() 명령에 필요한 ON OFF 문자열을 생성하거나 또는 analogWrite()

이미 아두이노에서 클레멘타인 연주와 아울러 가사를 읽을 수 있도록 노래방 스타일로 lcd를 사용해 보았다. 이 곡을 Processing sound.cipher 용으로 편곡하기로 하자. 편곡이라 해봐야 단지 듣기 괜찮은 수준으로 계명 높이와 템포를 조절하는 수준이다. 계명 높이 조절은 아두이노에서는 오픈소스에서 이미 다 구현되어 있어 수정할 필요는 없었으나

sound.cipher examples에서 Bing 과 playNote, playPhrase, PianoPhrase 명령을 사용해 동요 연주를 해보았다. 이에 추가하여 그래픽 건반 예제를 다루어보자. 그래픽 건반 예제인 keyTrigger를 살펴보자. 예제를 불러내면 제대로된 코드가 나오지 않으므로 반드시 사이트에 첨부한 코드를 가져다 사용하기 바란다. keyTrigger

매일 아두이노 코딩이나 하는 주제에 무슨 음악 얘기냐고 의아해 할 수도 있을 것이다. 하지만 사람들간에 음악에 대한 능력 차이는 있겠지만 그래도 사람이라면 다 조금씩은 음악에 대한 감각은 어느 정도 있다고 볼 수 있을 것이다. 여기에 소개하는 연주법을 알게 된 것도 비록 하루 전이지만 도대체 누가 이런 연주법을 왜 창안하게 되었는지 체크해 보게 되었다. Wikipedia를

Processing 라이브러리 중에서 음악 연주를 가능하게 하는 sound.cipher 라이브러리를 이미 소개하였다. 그대로 설치가 되었으면 UltimateSong 과 Bing 에제를 체크해 보자. 이 에제들은 결국 sound.cipher 라이브러리를 사용하여 어떻게 음악 연주곡으로 편곡하는 방법을 대표적으로 제시하고 있다. sound.cipher 라이브러리를