국비지원교육7 [패스트캠퍼스] 딥러닝 강의 - 6주차 학습일지 - 파이널 프로젝트 및 후기 6주차 요약 주어진 데이터를 이용하여 유사 상품 추천 모델을 만드는 프로젝트이다. - 데이터 EDA(Exploratory Data Analysis, 탐색적 데이터 분석) 부터 시작해서, - ResNet101 알고리즘을 이용하여 데이터를 학습시키고, (Point. 학습된 알고리즘에 맞게 Input Size(shape)를 조절해서 입력되도록 해야한다.) - KNN 알고리즘으로 가장 유사한 이미지 5장을 추출하는 것까지 해봤다. 과정에 분류(Classification), 회귀(Regression), 클러스터링(Clustering)에 해당하는 알고리즘들을 전반적으로 다루고, 각각 실습도 진행하기 때문에 코드구현을 연습해본다. 그리고 머신러닝, 딥러닝 코드는 tensorflow라는 잘 만들어진 라이브러리를 사용하.. 2023. 2. 8. [패스트캠퍼스] 딥러닝 강의 - 5주차 학습일지 - 클러스터링 모델 정리 5주차 요약 5주차는 비지도학습(Unspervised Learning)의 한 부분인 클러스터링(Clustering)에 대해 공부했다. 비지도학습 특징으로, 정답에 해당하는 target value가 없다보니 feature vector가 중요하게 작용한다. 4가지 모델(K-means, Hierarchical Agglomerative Clustering, DBSCAN, Spectral Clustering)에 대한 이론 설명과 실습으로 구성되었다. (이론 정리부터 하고 실습은 추후에 첨부할 예정이다.) 클러스터링(Clustering) 모델 1). K-means K-means 클러스터링 모델은, 쉽게 풀어쓰면 K개의 평균지점을 찾는 것이다. - (a) 그림과 같은 데이터가 있을 때, 우리가 2개(= K)의 군집으.. 2023. 2. 8. [패스트캠퍼스] 딥러닝 강의 - 4주차 학습일지 - 회귀 모델 정리 4주차 요약 4주차는 지도학습(Supervised Learning)의 한 부분인 회귀(Regression)에 대해 공부했다. 4가지 모델(Linear Regression, Lasso & Ridge, XGBoost, LightGBM)에 대한 이론 설명과 실습으로 구성되었다. (이론 정리부터 하고 실습은 추후에 첨부할 예정이다.) 회귀(Regression) 모델 1). Linear Regression(선형 회귀) 위 그림은 Weight, Horseposer에 따른 MPG와의 관계를 좌표로 표시한 그래프이다. 식으로 표현하면 y(MPG) = W1 * X1(Weight) + W2 * X2(Horseposer) + b로 나타낼 수 있다. 만약 위 그림처럼 데이터들이 선형성을 갖고, 이를 가장 잘 표현하는 함수를 .. 2023. 2. 3. [패스트캠퍼스] 딥러닝 강의 - 3주차 학습일지 - 분류 모델 정리 3주차 요약 3주차는 지도학습(Supervised Learning)의 한 부분인 분류(Classification)에 대해 공부했다. 4가지 모델(Linear Classifier, Logistic Regression, Decision Tree, Random Forest)에 대한 이론 설명과 실습으로 구성되었다. (이론 정리부터 하고 실습은 추후에 첨부할 예정이다.) 분류(Classification) 모델 1). Linear Classifier(선형 분류) Linear Classifier는 하나의 선형 식으로 데이터를 나누어 구분하는 방법이다. 위 그림(from wikipedia)과 같이 검은색 점과 흰색 점을 구분하려고 할 때, 파란색 선(H1)과 빨간색 선(H2)이 데이터를 잘 구분하고 있다. 그리고 그.. 2023. 2. 1. [패스트캠퍼스] 딥러닝 강의 - 2주차 학습일지 2주차 요약 2주차는 머신러닝 기초 개념에 대해 공부했다. 강사님이 최대한 쉬운 예시를 들어 설명해준다. 대부분 알고있는 내용이어서 복습하는 느낌으로 들었지만, 모르는 상태였다고 가정해도 두 세번 들으면 이해할 수 있을만큼 설명한다. 1. 머신러닝 개념 및 구분 1). 머신러닝 개념 머신러닝 : 원하는 목표(target, y, output)를 달성하기 위해 갖고있는 데이터(feature, X, input)를 활용하여 학습(Learning)하는 것(딥러닝보다 상위 개념) 딥러닝 : 원하는 목표를 달성하기 위해 갖고있는 데이터를 활용하여 Neural Network 방법으로 학습하는 것 지도학습을 기준으로 간단하게 풀어보고자 한다. 고등학교때 배웠던 1차 함수 y=ax+b를 생각해보면, a, b가 특정 값으로.. 2023. 1. 15. [패스트캠퍼스] 딥러닝 강의 - 1주차 학습일지 1주차 요약 먼저 시장의 요구사항을 파악하기 위해 데이터관련 직무의 채용공고를 확인해 보았다. 채용 사이트에서 데이터로 검색해보면 많은 데이터 프로덕트 오너, 데이터 분석가 등 여러가지가 나온다. 또한 데이터 모델러, 데이터 백엔드 엔지니어, 데이터 Web3 엔지니어 등 세분화하여 공고를 내기도 한다. 큰 틀에서 데이터 사이언티스트, 데이터 엔지니어에 대해 알아보았다. 글로벌, 대기업, 스타트업 각각의 공고를 확인하여 지원자격과 우대사항을 정리했다. (회사마다 요구사항과 업무가 조금씩 달랐지만, 큰 틀에서 필요한 내용은 비슷했다.) 그리고 공통적으로 나오는 지식들에 대해 강의가 진행되었다. ✋이 과정에서 몰랐던 개념들에 대해 알게 되었다. 특히나 백앤드, 서버 부분에서 처음 듣지만 중요하게 요구되는 내용.. 2023. 1. 8. [패스트캠퍼스] 딥러닝 강의 - 신청 인스타그램을 하다보면 머신러닝, 딥러닝 강의 광고가 많이 뜬다. 아마 관련 분야를 많이 검색해봐서 그런 것 같다. 그 중 하나를 가져왔다. 패스트캠퍼스와는 인연이 깊다. 21년 7월부터 약 6개월간 K-Digital Training AI과정을 들었기 때문이다. 과정이 끝난 후에도, 추가로 제공해주는 6개월간 강의를 추가로 들었다. 그것도 모자라 인터뷰를 하고, 추가로 3개월간 강의를 더 들었다. 이정도를 제대로 공부했으면 사실 강의는 더 안들어도 된다. 하지만, 직장을 다니며 퇴근시간만 공부해서는 시간적인 한계가 있었다. 그리고 현업에서 머신러닝, 딥러닝 보다는 도메인 지식과 통계 지식을 습득하는게 먼저였다. 단시간에 여러 분야의 개념을 빠르게 습득하려고 하다보니 제대로 이해하지 못한 부분이 많았고, 머.. 2023. 1. 3. 이전 1 다음 반응형
