콘텐츠로 이동
AI 파이썬 피지컬컴퓨팅
E. 용어집
검색 초기화
sumilee-phd/pidocs
AI 파이썬 피지컬컴퓨팅
sumilee-phd/pidocs
시작하며
1부 센서 데이터와 파이썬 기초
1부 센서 데이터와 파이썬 기초
1장 블록 코딩에서 파이썬으로
1장 블록 코딩에서 파이썬으로
1.1 피지컬컴퓨팅과 이 과목의 구성
1.2 블록 코딩 체험
1.3 Colab 시작
1.4 변수·자료형·입출력
1.5 생성형 AI 활용 원칙
2장 조건·반복·함수
2장 조건·반복·함수
2.1 조건문
2.2 반복문
2.3 함수
2.4 실습: 조도값 판정 함수
3장 자료구조와 파일
3장 자료구조와 파일
3.1 리스트와 딕셔너리
3.2 파일 입출력과 CSV
3.3 실습: 서울 날씨 자료 첫 분석
4장 사이버파이 첫 실습
4장 사이버파이 첫 실습
4.1 사이버파이 구성과 사양
4.2 mBlock 설치와 펌웨어 관리
4.3 Live 모드와 Upload 모드
4.4 블록 코드와 파이썬 코드 대조
4.5 화면·LED·버튼 제어
4.6 센서값 측정과 CSV 저장
4.7 LED 스트립 점등과 소등
2부 데이터 분석과 규칙 기반 판정
2부 데이터 분석과 규칙 기반 판정
5장 pandas 데이터 정리
5장 pandas 데이터 정리
5.1 DataFrame 기초
5.2 결측치·이상치 처리
5.3 날짜 열과 월별 집계
6장 시각화와 기술통계
6장 시각화와 기술통계
6.1 matplotlib 그래프
6.2 기술통계와 분포
6.3 실습: 계절별 기온 분포와 센서 분포
7장 규칙 기반 판정과 LED 신호
7장 규칙 기반 판정과 LED 신호
7.1 임계값 설계
7.2 z-점수 이상 탐지
7.3 오탐과 미탐
7.4 실습: 소음 단계 LED 스트립 신호등
8장 무선 전송과 실기 과제
8장 무선 전송과 실기 과제
8.1 Upload 모드 프로그램 구조
8.2 Wi-Fi 접속과 HTTP 전송
8.3 수업 서버 실시간 화면
8.4 실기 과제: 수집·판정·표시 프로그램
8.5 제스처 데이터 수집
3부 머신러닝과 기기 탑재
3부 머신러닝과 기기 탑재
9장 머신러닝 시작: 날씨 회귀
9장 머신러닝 시작: 날씨 회귀
9.1 지도학습의 구성 요소
9.2 날씨 자료의 특징과 레이블
9.3 학습 데이터와 평가 데이터의 분할
9.4 선형회귀를 이용한 다음 날 기온 예측
9.5 회귀 모델 평가
10장 분류: 다음 날 강수 여부
10장 분류: 다음 날 강수 여부
10.1 분류 문제 정의
10.2 결정트리 분류기
10.3 정확도와 혼동행렬
10.4 클래스 불균형과 트리 깊이
11장 동작 분류와 엣지 AI
11장 동작 분류와 엣지 AI
11.1 가속도 자료의 구간 특징
11.2 kNN과 결정트리 비교
11.3 결정트리의 조건문 변환
11.4 트리 깊이와 정확도의 상충
12장 기기 탑재와 날씨 신호등
12장 기기 탑재와 날씨 신호등
12.1 날씨 신호등
12.2 제스처 인식기 Upload 탑재
12.3 교차 평가
12.4 프로젝트 주제 선정
4부 생성형 AI 연동과 프로젝트
4부 생성형 AI 연동과 프로젝트
13장 생성형 AI API
13장 생성형 AI API
13.1 Gemini API 호출
13.2 프롬프트 설계
13.3 수치 계산과 문장 생성의 분리
13.4 출력 검증
14장 FastAPI 수신 서버
14장 FastAPI 수신 서버
14.1 웹 API의 구조
14.2 FastAPI 엔드포인트
14.3 판정 모듈 연결
14.4 가상 노드로 서버 시험
15장 통합과 발표 준비
15장 통합과 발표 준비
15.1 시스템 통합 점검표
15.2 예외 처리
15.3 시연 시나리오 작성
16장 최종 시연
16장 최종 시연
16.1 시연 절차
16.2 시연 점검 기준
16.3 회고와 개선 과제
부록
부록
A. 개발 환경 설치
B. 사이버파이 API 요약
C. 문제 해결
D. 데이터셋 출처와 이용 조건
E. 용어집
E. 용어집
¶
집필 예정
이 페이지는 목차 초안입니다.
본문 용어 정의
맨위로