![]()
글또 5기에 참여하는 다짐 글입니다 1. 글또 5기 시작하다🏃♂️ 2020년 11월 1일, 유튜브를 통해 실시간 글또 OT가 시작되었습니다. 글또는 "글쓰는 또라이가 세상을 바꾼다"라는 글 쓰는 개발자 모임입니다. 글또라는 모임을 알게된 계기는 데이터 분야를 공부하며 알게 되었습니다. 다양한 블로그들을 통해 모르는 내용을 공부하다 변성윤님의 블로그를 보게되었고 글또를 알게 되었습니다. 이를 계기로 "내가 공부하는 내용을 블로그에 작성해보자"고 블로그에 글을 하나씩 남기기 시작했습니다. 하지만, 글 쓰기는 정말 쉽지 않았습니다. 공부한 시간보다 글을 작성하는 시간이 오래걸렸습니다. 이를 극복하고자 글또 5기에 지원하였고 감사하게도 합격 목걸이를 주셨습니다. 2. 글또 준비하기👨💻 글또에 지원하자마자 먼..
해당 내용은 Dream_AI Drone Competition 교육자료입니다. 해당 비디오 링크 : https://www.youtube.com/watch?v=3bUenKiJRBk&list=PLB0ppFIbaAURxxt0eFvTUf70M7W0lVs8h 1. 인공지능 딥러닝 구현순서 1) Framework와 Network 모델선정 예) Framework : Tensorflow, Caffe, Mxnet | Network : MobileNet, AlexNet 2) Dataset 준비 - 이미 학습에 사용된 Dataset(CIFAR, Mnist, ImageNet)에 추가학습(전이학습) - 직접 Dataset 구축 3) 학습&테스트 - Deep learning Framework 선택 - 학습/최적화를 통해 최적의 N..
본문 내용은 cs231n의 유튜브를 기반으로 작성되었음을 알려드립니다. 유튜브 링크 : https://www.youtube.com/watch?v=d14TUNcbn1k&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv&index=4 자료 출처 : http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture4.pdf 1. Backpropagation 위 그림은 계산 그래프로 계산 과정을 그래프로 나타낸 것이다. 왼쪽에서 L방향으로 가는 것이 Forwardpropagation, 역방향을 Backpropagation이라고 합니다. 일단 오차역전파법(backpropagation)은 가중치의 gradient를 효율적으로 계산하기 위해서 사용하는 방법..
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 유튜브 링크 : https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv 자료출처 : http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture3.pdf 1. Loss function 손실함수(Loss function) : 학습을 통해 얻은 데이터의 추정치가 실제 데이터와 얼마나 차이나는지 평가하는 지표로 쓰입니다. 좋은 가중치 값을 찾기 위한 함수로 loss 값이 낮을 수록 좋은 분류기라고 합니다. 비용 함수(cost function), 목적 함수(object function)라고 부르기도 합니다. 질문 : loss ..
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요 1. Image Classification 이미지 분류는 컴퓨터 비전에서 중요합니다. Input : Image, Output : 정해진 카테고리 속에서 하나의 라벨을 출력 사람과 컴퓨터가 인식하는 차이가 있는데 그것을 Semantic Gap(의미적 차이)이라고 합니다. 사람은 직관적으로 사물이 무엇인지 알아낼 수 있지만 컴퓨터는 직관이 없습니다. 컴퓨터는 픽셀의 색을 표현한 숫자로 된 그리드(격자)를 통해 인식합니다. 이미지를 분류하기 위해 다양한 문제들이 존재합니다. Viewpoint Variation (시점의 변화) Intraclass Variation Fine-Grained ..
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요. 1. 컴퓨터비전과 딥러닝 컴퓨터비전 : 시각적 데이터에 대한 인식과 추론 컴퓨터비전 분야는 시각적 데이터의 기하급수적인 증가로 중요해지고 있음. ex) 자율주행, 가상현실, 드론 딥러닝 : 뇌로부터 영감을 받은 "layers"이 존재하는 계층적 학습 알고리즘 cs231n에서 강의할 내용은 Computer Vision과 Deep learning의 intersection 부분임 2. 컴퓨터 비전의 역사 Hubel and Wisel, 1959 고양이를 이용한 실험을 통해 우리는 비전이라는 것이 어떻게 작동하는지 이해하기 시작 Larry Roberts, 1963 실제로 사진 정보를 얻는..
![]()
KISTI 과학기술 빅데이터 분석가 양성과정 중 진행한 프로젝트를 바탕으로 작성되었습니다. 1편은 주제 선정부터 이미지 크롤링까지의 내용을 담았습니다. 1. 주제 선정 & 초기 진행 주제 선정을 할 때, 가장 크게 고려했던 점은 우리가 구현이 가능한가? 였습니다. 아무리 좋은 주제라고 해도 구현하기 어렵다면 의미가 없다고 생각했습니다. 저희 조원들은 이제 막 코딩을 배우기 시작한 사람들로 구성되어 있었습니다. 그래서 새로운 것을 공부해서 구현하기보다는 교육과정 속에서 배운 것들을 잘 적용해보자는 방향을 잡게 되었습니다. 그렇게 선정하게 된 주제는 "시각장애인을 위한 캔 이미지 분류 모델"로 선정하게 되었습니다. 선정하게 된 이유는 아래와 같습니다. 시각장애인들은 오프라인에서 직접 음료를 구매할 때 원하는..
오늘은 쉽게 풀 수 있었던 문제였습니다. 이전 코드 내용이 궁금하시다면 아래 링크로 이동하시면 됩니다! 코딜리티 이전 글 - 2020/08/18 - [데이터 분석/파이썬] - [Codility] 코딜리티 6-3. NumberOfDiscIntersections (Python) [Codility] 코딜리티 6-3. NumberOfDiscIntersections (Python) 안녕하세요! 이번 문제는 제 힘으로 100%를 만들지 못했습니다. 시간 복잡도를 줄이는 것이 너무 어렵네요. 100점짜리 알고리즘은 출처도 같이 올려드리겠습니다. 이전 코드 내용이 궁금하시다면 sooho-kim.tistory.com 1. 문제 설명 A에는 변의 길이를 나타내는 값이 들어 있습니다. 인덱스 3개의 값을 골라서 삼각형을 만..
안녕하세요! 이번 문제는 제 힘으로 100%를 만들지 못했습니다. 시간 복잡도를 줄이는 것이 너무 어렵네요. 100점짜리 알고리즘은 출처도 같이 올려드리겠습니다. 이전 코드 내용이 궁금하시다면 아래 링크로 이동하시면 됩니다! 코딜리티 이전 글 - 2020/08/18 - [데이터 분석/파이썬] - [Codility] 코딜리티 6-2. MaxProductOfThree (Python) [Codility] 코딜리티 6-2. MaxProductOfThree (Python) 안녕하세요! 오늘만 벌써 4개째네요. 그동안 올리지 못했던 것들을 올려드립니다! 도움이 되셨으면 좋겠습니다 이전 코드 내용이 궁금하시다면 아래 링크로 이동하시면 됩니다! 코딜리티 이전 � sooho-kim.tistory.com 1. 문제 설명 ..
안녕하세요! 오늘만 벌써 4개째네요. 그동안 올리지 못했던 것들을 올려드립니다! 도움이 되셨으면 좋겠습니다 이전 코드 내용이 궁금하시다면 아래 링크로 이동하시면 됩니다! 코딜리티 이전 글 - 2020/08/18 - [데이터 분석/파이썬] - [Codility] 코딜리티 6-1. Distinct (Python) [Codility] 코딜리티 6-1. Distinct (Python) 안녕하세요! 오늘은 너무 간단한 문제가 나왔습니다! 이전 코드 내용이 궁금하시다면 아래 링크로 이동하시면 됩니다. 코딜리티 이전 글 - 2020/08/18 - [데이터 분석/파이썬] - [Codility] 코딜리티 5-4 sooho-kim.tistory.com 1. 문제 설명 A에는 다양한 값들이 들어 있는 데, 그 중에 3개를 ..
