JADE's Repository

본 글은 "2050 거주불능 지구_데이비드 월러스 웰즈"의 일부를 작성한 내용입니다. 2020 북극 영구동토(0도 이하의 땅)의 해동 시작 아프리카 2억 5,000만 명 물 부족 위기에 직면 무스(말코손바닥사슴) 멸종위기 봉착 2030 전 세계가 기후변화 문제로 인해 26조 달러의 비용 투입 브라질에서 산림 개발 정책으로 이산화탄소 13.12기가톤 배출 전 세계 물 수요량이 공급량을 40퍼센트 격차로 추월 전세계 산호초의 90퍼센트가 백화 위기에 직면 36억 명에 달하는 사람들이 말라리아에 감염 기후변화에 따른 분쟁으로 39만 3,000명 이상이 사망 2045 해수면 상승으로 미국에서만 약 31만 채의 집 침수 마이애미비치 부동산의 14퍼센트 침수 2050 기후난민의 수가 최대 10억 명 돌파 여름철 최..

경사하강법으로는 크게 Gradient Descent와 Stochastic Gradient Descent로 나눌 수 있을 것 같다. 지금은 Gradient Descent에 대한 설명을 시작해보려고 한다. 경사하강법이란? 경사하강법은 반복적인 실행을 통해 에러를 최소화 시킬 수 있는 값을 구하는 방법이다. 여기서 에러라는 것은 실제값과의 다른 정도라고 이해하자. 자, 조금 더 파보자. 아래와 같은 그래프가 있다고 하자. 이 그래프에서 에러가 최소인 지점이 어디일까? 바로 아래 그림처럼 빨간 점으로 표시된 지점일 것이다. 이처럼 육안으로는 최소인 지점을 한 눈에 알아볼 수 있었다. 하지만 컴퓨터에게는 눈이 없기때문에 한 눈에 알아볼 수가 없다. 일단 저 빨간 점을 지나는 접선을 그려보자. 그러면 위 그림처럼 ..

WWF(세계자연기금)이란? WWF는 직관적으로 봐도 환경을위해 힘쓰는 기관이라는 것을 알 수 있을 것이다. 정확하게 말하면 세계적인 비영리 환경보전기관이다. 초창기에는 “세계 야생동물 기금(World Wildlife Fund)”을 의미했다고 한다. 하지만 1986년에 이 기관의 활동 범위가 너무 넓은 탓에 “세계 자연 기금(World Wide Fund For Nature)”으로 변경했다고 한다. 보통 기후온난화로 인해 피해를 입는 북극곰에 대한 영상과 글을 보게 된다면 이 기관은 북극곰을 지키기위한 곳이구나라고 생각할 수 있다. 하지만 WWF는 전 세계에서 수만개의 환경프로젝트를 진행하며 환경 보전에 힘쓰고 있다. WWF 역사 1960년대 1960년대 설립 후 십 년 만에 WWF는 5백60만 달러라는, ..

In [2]: import numpy as np In [4]: test_array = np.array([1, 4, 0, 2, 3, 8, 9, 7], float) test_array > 3 Out[4]: array([False, True, False, False, False, True, True, True]) In [6]: test_array[test_array>3] Out[6]: array([4., 8., 9., 7.]) In [8]: condition = test_array < 3 test_array[condition] Out[8]: array([1., 0., 2.]) In [10]: A = np.array([ [12, 13, 14, 12, 16, 14, 11, 10, 9], [11, 14, 12, 1..

In [2]: import numpy as np In [4]: a = np.arange(10) a Out[4]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [6]: a > 5 Out[6]: array([False, False, False, False, False, False, True, True, True, True]) Any&All In [8]: np.any(a>5), np.any(a5), np.all(a test_b Out[12]: array([False, True, False]) In [14]: test_a == test_b Out[14]: array([False, False, False]) In [16]: (test_a > test_b).any() Out[16]: T..

In [2]: import numpy as np Operation In [4]: test_a = np.array([[1,2,3], [4,5,6]], float) In [6]: test_a + test_a #matrix + matrix Out[6]: array([[ 2., 4., 6.], [ 8., 10., 12.]]) In [8]: test_a - test_a #matrix - matrix Out[8]: array([[0., 0., 0.], [0., 0., 0.]]) In [10]: test_a * test_a #element 곱 연산 Out[10]: array([[ 1., 4., 9.], [16., 25., 36.]]) In [13]: matrix_a = np.arange(1, 13).reshape(3..

In [2]: import numpy as np In [4]: test_array = np.arange(1, 11) test_array Out[4]: array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) Sum In [6]: test_array.sum(dtype=np.float) Out[6]: 55.0 In [9]: test_array = np.arange(1, 13).reshape(3,4) test_array.sum() Out[9]: 78 In [12]: print(test_array) test_array.sum(axis=1) #칼럼끼리 더한다 [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] Out[12]: array([10, 26, 42]) In [14]: tes..

In [2]: import numpy as np In [4]: np.arange(30).reshape(-1, 5) Out[4]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19], [20, 21, 22, 23, 24], [25, 26, 27, 28, 29]]) In [6]: np.arange(0, 5, 0.5) Out[6]: array([0. , 0.5, 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5]) In [8]: np.arange(30).reshape(5,6) Out[8]: array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11], [12, ..

In [2]: import numpy as np In [4]: test_example = np.array([[1, 2, 3], [4.5, 5, 6]], int) test_example Out[4]: array([[1, 2, 3], [4, 5, 6]]) In [6]: test_example[0][0] Out[6]: 1 numpy에서는 [row, col]과 같이 지정해주어도 된다는 것을 확인할 수 있다. In [8]: test_example[0, 0] Out[8]: 1 In [10]: test_example[0, 0] = 10 test_example Out[10]: array([[10, 2, 3], [ 4, 5, 6]]) In [12]: test_example[0][0] = 5 test_example[0, ..

In [2]: import numpy as np In [4]: test_matrix = [[1,2,3,4], [1,2,5,8]] np.array(test_matrix).shape Out[4]: (2, 4) In [5]: np.array(test_matrix).reshape(2, 2, 2) Out[5]: array([[[1, 2], [3, 4]], [[1, 2], [5, 8]]]) In [7]: test = np.array(test_matrix).reshape(8,) test Out[7]: array([1, 2, 3, 4, 1, 2, 5, 8]) -1로 지정해주면 다른 열 또는 행을 기준으로 자동으로 맞춰준다. 예를 들어 다음과 같이 reshape(-1, 1)로 지정해주었다면 1열로 맞추고 행은 따라서 자..