검정 vs 검증 통계와 분석에서는 검증이 아닌 검정이라는 용어를 사용해야 합니다.

BOW(Bag of Words) · 문서 데이터를 고정된 크기의 숫자 벡터로 바꾸는 방법 중 가장 널리 쓰이는 방법입니다. · 문서를 이루는 단어의 순서, 의미 등의 정보를 모두 무시하고 오로지 특정한 단어가 문서에 몇 번 나왔는지만 세어 그 빈도를 벡터로 표시합니다. https://en.wikipedia.org/wiki/Bag-of-words_model BOW 방법에서는 전체 문서 {d1,d2,…,dn} 를 구성하는 고정된 단어장(vocabulary) {t1,t2,…,tm} 를 만들고 di 라는 개별 문서에 단어장에 해당하는 단어들이 포함되어 있는지를 표시하는 방법입니다. xi,j=문서 di내의 단어 tj의 출현 빈도 또는 BOW 원리 · 대부분의 문서가 10,000개의 단어로 구성된다고 가정하겠습니다..

인공지능신문(Artificial Intelligence Times) http://www.aitimes.kr/

Titanic: Machine Learning from Disaster · 타이타닉호 생존자의 정보를 담고 있는 데이터 · 타이타닉 데이터는 데이터양이 많지 않고 데이터의 의미도 이해하기 쉬우며, 처리할 데이터의 포맷도 비교적 간단합니다 · 기계 학습 대회 사이트인 kaggle.com에서도 기계 학습을 위한 학습 자료로 제시되고 있는 데이터 셋입니다. https://www.kaggle.com/c/titanic TITANIC sinking - 2m 58s https://www.youtube.com/watch?time_continue=173&v=9xoqXVjBEF8 Rules acceptance https://www.kaggle.com/c/titanic/rules

Fashion-MNIST with tf.Keras (원문) http://bit.ly/2RCtAf8 딥러닝의 Hello World, Fashion-MNIST (한글) http://bit.ly/2ODph4B Fashion-MNIST MNIST와 동일한 이미지 크기(28x28)이며 동일한 학습 셋 (60,000), 테스트 셋(10,000)으로 나눌 수 있습니다. https://github.com/zalandoresearch/fashion-mnist

2017학년도 수능 국어영역 대비 6월 평가원 모의고사 비문학, 인공 신경망 문제 http://bit.ly/2Qt1vpI 국어영역 16~19번 직접 다운로드