iru

1. 물리적 연결 및 전원 공급가장 먼저 포장을 뜯고 전원을 공급해야 한다. 라즈베리 파이 5의 전력 부족 경고를 해결하기 위해 구매한 12V 5A SMPS를 사용한다.전원 연결: 12V 5A SMPS를 OpenCR의 전원 입력 단자에 연결하고 스위치를 켠다.노트북 연결: 마이크로 5핀 케이블을 사용해 OpenCR과 한이루 팀장의 노트북(Windows)을 연결한다.상태 확인: 보드에 불이 들어오는지 확인한다.2. 노트북(Windows) 환경 설정OpenCR에 프로그램을 넣기 위해 Arduino IDE가 필요하다.Arduino IDE 설치: 공식 홈페이지에서 최신 버전을 내려받아 설치한다.보드 매니저 추가: [파일] -> [기본 설정]의 '추가 보드 매니저 URL'에 아래 주소를 복사해서 넣는다. http..

1단계: 라즈베리 파이 OS 설치 및 부팅 절차는 다음과 같다.1. SD 카드에 OS 굽기 (노트북에서 작업)라즈베리 파이는 일반 컴퓨터와 달리 하드디스크가 없으므로 SD 카드에 운영체제(OS)를 직접 설치해야 한다.1. 준비물: 노트북, SD 카드 리더기, MicroSD 카드(32GB 이상 권장).2. 프로그램 설치: 노트북에 Raspberry Pi Imager를 설치하고 실행한다.3. 장치 선택: 설정 단계에서 본인이 가진 모델(예: Raspberry Pi 4)을 선택한다.4. 운영체제 선택: Ubuntu Server 24.04.3 LTS (64-bit) 선택 (Desktop 선택시 모니터가 있어야함)5. 저장소 선택:6. 설정 편집 (매우 중요): 오른쪽 하단의 톱니바퀴 아이콘을 누른다.호스트 이름..

1. ROS 2 Jazzy 기본 설치우선 시스템을 최신 상태로 만들고 ROS 2 패키지 저장소를 등록한다.로켈(Locale) 설정:sudo apt update && sudo apt install localessudo locale-gen ko_KR ko_KR.UTF-8sudo update-locale LC_ALL=ko_KR.UTF-8 LANG=ko_KR.UTF-8export LANG=ko_KR.UTF-8저장소 및 GPG 키 등록:sudo apt install software-properties-common curlsudo add-apt-repository universe -ysudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros...

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.svm import SVCfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scoreimport requestsfrom bs4 import BeautifulSoupimport re# 1. 크롤링 함수 정의 (사이트에서 체고 범위 긁어오기)def get_dog_size(url): response = requests.get(url) soup = BeautifulSoup(response.text..

1. 머신러닝의 학습 방법 (Learning Methods)지도학습 (Supervised Learning): 문제(Input, X)와 정답(Label, y)이 모두 존재함.회귀 (Regression): 결과값이 연속적인 실수 (예: 집값 예측, 온도 예측).분류 (Classification): 결과값이 이산적인 클래스 (예: 고양이 vs 강아지, 0 또는 1).비지도학습 (Unsupervised Learning): 정답(y) 없이 데이터(X)만 존재. 데이터의 패턴이나 구조를 스스로 학습함. (예: 군집화).사전학습 (Pre-training): 대량의 데이터로 미리 학습된 모델을 가져와서 내 목적에 맞게 조금 더 학습(Fine-tuning)시키는 것.강화학습 (Reinforcement Learning):..

기대수명 데이터 불러오기life.describe() count: 데이터의 개수 (비어있는 칸을 제외하고 숫자가 몇 개 들어있는지 알려줌)mean: 평균값std: 표준편차 (숫자들이 평균에서 얼마나 멀리 떨어져 있는지 나타냄. 숫자가 클수록 데이터가 들쑥날쑥하다는 뜻)min: 최솟값25%, 50%, 75%: 데이터를 작은 순서대로 줄 세웠을 때 각각 1/4, 2/4(중간), 3/4 위치에 있는 값max: 최댓값print(life.columns)표(life)의 가장 윗줄에 적힌 항목들의 이름만 따로 모아서 보 import pandas as pdfile = './life_expectancy.csv'life = pd.read_csv(file)print(life.head(3))print(life.describe(..

사이킷런 설치 1. 머신러닝의 기본 개념 및 원리머신러닝의 정의: 모델 내부의 **가중치(Weight)**들이 실수값을 가지며, 데이터를 통해 이 값을 최적화하는 과정이다.입력 데이터: 일반적으로 데이터(Feature)와 정답(Label)의 쌍으로 구성된다.추론(Inference): 학습된 모델을 통해 새로운 데이터에 대한 예상값을 도출하는 과정이다.2. 학습 방식에 따른 분류머신러닝은 데이터의 성격과 학습 목표에 따라 세 가지로 분류된다.지도 학습 (Supervised Learning)특징: 데이터와 함께 명확한 **정답표(Label)**를 제공한다.목표: 입력값에 대한 정확한 정답을 예측하는 것이다.비지도 학습 (Unsupervised Learning)특징: 정답 없이 데이터 자체만 보고 학습한다.핵..

# 데이터 정제와 결손값의 처리# how -> any, all# weather.dropna(axis=0, how='any', inplace=True)pure_weather = weather.dropna(axis=0, how='any', inplace=False)print(pure_weather)print(pure_weather.shape)missing_data = weather[weather['평균풍속'].isna()]print(missing_data)print(weather[weather.isnull().any(axis=1)])print(weather.describe())print(pure_weather.describe())​d_df = pd.DataFrame(data = [[10,20,30,40], ..

1. Seaborn의 핵심 가치: 통계적 시각화Matplotlib 기반: 모든 Seaborn 그래프는 Matplotlib 객체다. 따라서 세밀한 조정은 Matplotlib 문법을 섞어 쓸 수 있다.데이터 프레임 친화적: Pandas 데이터 프레임의 컬럼 이름을 직접 지정해 그래프를 그릴 수 있어 직관적이다.통계 내장: 데이터의 평균, 신뢰구간, 밀도 추정(KDE) 등을 별도 계산 없이 자동으로 그려준다.2. 데이터 분석의 첫걸음: 특성(Feature) 이해데이터를 받으면 가장 먼저 컬럼(특성)들이 무엇을 의미하는지 봐야 한다.예시 데이터독립변수 (Feature, 특성)종속변수 (Target, Label)분석 포인트보스톤 주택방 개수, 범죄율, 면적, 학군주택 가격어떤 특성이 가격에 가장 큰 영향을 주는가..

데이터 시각화 matplotlib 설치 plt.plot(y)처럼 y 값만 전달했을 때 Matplotlib은 다음과 같이 동작한다.인덱스 활용: 데이터의 개수(n)를 파악한 뒤, 0부터 n-1까지의 정수를 $x$ 값으로 자동 생성한다.좌표 대응: 주어진 예시 y = [1, 2, 3, 4]의 경우, 내부적으로 생성된 x = [0, 1, 2, 3]과 결합하여 (0, 1), (1, 2), (2, 3), (3, 4) 지점을 선으로 잇는다.import matplotlib.pyplot as plty = [1,2,3,4] # x값을 안 넣으면 알아서 값을 넣어준다plt.plot(y)plt.show() 독립변수와 종속변수의 정의데이터 분석과 머신러닝에서 두 변수는 다음과 같은 역할을 수행한다.독립변수 (Indepen..