728x90
File / Exception / Log Handling 🔗 강의 바로가기 📖 강의 소개 이번 강의에서는 프로그램을 제대로 만들기 위해 알아야 하는 예외 처리와 파일 다루기에 대해서 배웁니다. 대부분의 경우 우리가 만드는 프로그램에는 우리가 예상치 못한 오류가 생기곤 합니다. 이를 해결하기 위해서 사전에 모든 경우를 다 지정해서 대비하는 경우도 있지만, 특정 상황에서 발생할 수 있는 예외를 포괄적으로 지정해서 대비하는 경우도 있습니다. 또, 실제 프로그램을 작성할 때는 파일에 존재하는 데이터를 사용하는 경우가 많습니다. 추가적으로 여러가지 프로그램을 진행하면서 기록을 남기는 로깅에 대해서도 배웁니다. 로그 데이터를 남기는 건 오늘날 데이터 기반의 애플리케이션 개발에서 매우 중요한 이슈가 되고 있습니다. ..
Module and Project 🔗 강의 바로가기 📖 강의 소개 이번 강의에서는 파이썬 프로젝트의 기본이 되는 모듈과 패키지, 그리고 프로젝트의 개념에 대해서 배웁니다. 우리는 앞서 파이썬에서 제공하는 여러가지 모듈들을 사용했습니다. 이러한 모듈과 패키지를 구성하고, 실제로 다른 개발자가 만든 모듈을 사용하는 방법까지 이 챕터에서 다루게 됩니다. 내용은 많이 어렵지는 않지만, 알면 여러모로 도움되는 내용이니 많은 연습을 하고 넘어가면 좋겠습니다. 파이썬은 대부분의 라이브러리가 이미 다른 사용자에 의해 이미 구현되어있다. 남이 만든 프로그램 쓰는 법 👉 모듈과 패키지 1. 모듈 Module 🔎 overview 어떤 대상의 부분 혹은 조각 프로그램에서는 작은 프로그램 조각들, 모듈들을 모아서 하나의 큰 프..
Python Object Oriented Programming(파이썬 객체 지향 프로그래밍 언어) (2) 🔗 강의 바로가기 💻 OOP Implementation Example 구현 가능한 OOP 만들기 - 노트북 Note를 정리하는 프로그램 사용자는 Note에 뭔가를 적을 수 있다 Note에는 Content가 있고, 내용을 제거할 수 있다 두 개의 노트북을 합쳐 하나로 만들 수 있다. Note는 Notebook에 삽입된다. Notebook은 Note가 삽입 될 때 페이지를 생성하며, 최고 300페이지 까지 저장 가능하다 300 페이지가 넘으면 더이상 노트를 삽입하지 못한다. class Note(object): def __init__(self, content = None): self.content = co..
인공지능(AI) 기초 다지기: Python Object Oriented Programming(파이썬 객체 지향 프로그래밍 언어) (1) 💻 객체 지향 프로그래밍 언어, Object Oriented Programming(OOP) OPP 기반의 언어: JAVA, C++, C# 객체: 실생활에서 일종의 물건, 속성(Attribute)와 행동(Action)을 가짐 OOP는 이러한 객체 개념을 프로그램으로 표현, 속성은 변수(variable), 행동은 함수(method)로 표현됨 파이썬 역시 객체 지향 프로그램 언어 💻 클래스와 인스턴스 클래스(class): 설계도에 해당 인스턴스(instance): 실제 구현체 💻 클래스 구현하기 축구 선수 정보를 클래스로 구현 class SoccerPlayer(object):..
부스트코스 인공지능(AI) 기초 다지기 강의 1. Python Object Oriented Programming > 바로가기 2. Module and Project 강의 > 바로가기 3. File/Exception/Log Handling 강의 > 바로가기 4.Python Data Handling 강의 > 바로가기 5. 벡터가 뭐예요? 강의 > 바로가기 6. 행렬이 뭐예요? 강의 > 바로가기 7. 경사하강법 - 순한맛 강의 > 바로가기 8. 딥러닝 학습방법 이해하기 강의 > 바로가기 부스트코스 딥러닝 기초 다지기 1. 딥러닝 기본 용어 설명 강의 > 바로가기 2. Historical Review 강의 > 바로가기 3. 뉴럴 네트워크 - MLP 강의 > 바로가기 4. 최적화의 주요 용어 이해하기 강의 > 바..
이전 글에서 KCI에서 제공하는 OpenAPI를 사용해 데이터를 받아오는 작업까지 했다. 이번 글에서는 받아온 데이터를 모델이 학습할 수 있도록 전처리 해 볼 것이다. 1. XML을 DataFrame으로 변환하기 우선 받아온 데이터의 태그를 살펴보자 여기서 내가 쓰려고 하는 태그명만 따로 name_list에 저장하고 해당 태그의 내용을 data_list에 담아 저장했다. # 데이터 확인 후 필요한 열만 리스트화 하여 정보 추출 name_list = [ 'pub-year' ,'pub-mon' ,'article-title-original' ,'article-title-english' ,'author' ,'abstract-original' ,'abstract-english' ,'url' ] data_lis..