개발log

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 저번 파트는 비지도학습(Unsupervised learning)의 군집화에 대해 알아보았다. 이번 파트에는 비지도학습의 또 다른 방법인 변환(Transform)의 차원축소(주성분 분석 : PCA)에 대해 알아보자. [변환(Transform): 데이터를 새롭게 표현하여 사람이나 학습 모델이 원래 데이터보다 쉽게 해석할 수 있도록 만드는 것] 차원축소 차원축소는 일반적으로 머신러닝 알고리즘을 적용할 때 사용되기보다는 데이터의 전처리 과정에서 사용된다. 즉, 정규화, 텍스트/영상 처리 등 과 같이 머신러닝이 보다 좋은 예측을 이끌기 위해 해주..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 저번 파트까진 지도학습(Supervised learning)에 대해 배우고 지도학습의 대표적인 학습 모델에 대해서 알아보았다.이번 주차부터는 지도학습과는 다른 비지도학습(Unsupervised learning)에 대해 알아보고 비지도학습의 대표적인 학습 모델을 소개하려 한다. 비지도학습(Unsupervised Learning) 비지도학습은 말 그대로 학습을 지도하는 가이드 라인(결과값)이 없다고 생각하면 된다. 즉, 입력값에 대한 결과값(목표값)이 주어지지 않은 상태에서 데이터가 어떻게 구성되었는지를 중점적으로 학습을 진행한다. 지도학습..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 저번 파트에 이어서 이번에도 지도학습의 학습 모델 중 SVM(Support Vector Machine)에 대해 알아본다. SVM은 기본적인 학습 모델들(Logistic Regression, DA, .. )과 같이 예측 모델을 만들고 이 모델의 파라미터를 추정하여 예측을 진행한다. SVM(Support Vector Machine) 이론 SVM은 패턴인식, 자료 분석을 위해 널리 사용되는 지도학습모델이다. 분류와 회귀 두가지 문제에 대해 모두 적용이 가능하지만, 주로 분류 문제에 사용된다. SVM의 기본적인 개념은 두 카테고리 중 어느 하나..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 저번 파트에 이어서 이번에도 지도학습의 학습 모델 중 의사결정나무(Decision Tree)에 대해 알아본다. 의사결정나무(Decision Tree)는 이전 파트에 배웠던 학습 모델들과는 같이 예측 모델을 만들고 이 모델의 파라미터를 추정하여 예측을 진행하지 않고 특정 알고리즘을 통해 학습 및 예측을 진행한다. 의사결정나무같은 경우 최근에 자주 사용되는 다양한 앙상블 머신러닝 기법의 기반이기에 좀 더 확실히 인지하고 갈 필요가 있다. 의사결정나무(Decision Tree) 이론 의사결정나무란 무엇일까? 의사결정나무란 학습 데이터 자체를 ..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 저번 파트에 이어서 이번에도 지도학습의 학습 모델 중 판별 분석(Discriminant Analysis)에 대해 알아본다. 판별 분석(Discriminant Analysis)은 이전 파트에 배웠던 로지스틱 회귀 모델과 같이 예측 모델을 만들고 이 모델의 파라미터를 추정하여 예측을 진행한다. 하지만 로지스틱 회귀 모델과 달리 데이터의 관계를 잘 표현하는 함수를 학습하는 것이 아닌 데이터의 분포를 잘 표현하는 함수를 학습한다. 판별 분석(Discriminant Analysis) 이론 선형 판별 분석과 이차 판별 분석이 구분되지만 대표적인 선..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 저번 part에 이어서 이번에도 지도학습의 학습 모델 중 로지스틱 회귀(Logistic Regression)에 대해 알아본다. 이전에 배웠던 KNN같은 경우 학습 데이터 자체분석하여 예측을 진행하였다. 하지만 로지스틱 회귀 모델은 여타 다른 학습 모델과 같이 예측 모델을 만들고 이 모델의 파라미터를 추정하여 예측을 진행한다. 로지스틱 회귀(Logistic Regression)를 알아보기 전 우린 선형 회귀(Linear Regression)에 대해 알아볼 필요가 있다. 선형회귀는 딥러닝의 핵심인 퍼셉트론의 기반이 되는 모델이기에 추후 다룰..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) 이제 본격적인 기계학습에 대해 알아보자. part1에서 언급했듯이 기계학습에는 지도학습, 비지도학습, 강화학습 3가지로 분류할 수 있다고 했다. 이번 part에서는 지도학습이 무엇인지, 지도학습의 대표적인 학습모델에 대해 알아보자. 지도학습 지도학습은 말 그대로 학습을 지도하는 가이드 라인(결과값)이 있다고 생각하면 된다. 즉, 입력과 결과값(목표값)을 이용하여 학습을 진행한다. 이는 크게 분류(classification)와 회귀(regression)로 나누어진다. 1. 분류(classification) 분류는 미리 정의된, 가능성 있는..

2021년도에 대학교 과목으로 들었던 '기계학습' 강의를 복습 및 정리 + 추가적인 공부를 위해 이 글을 작성한다. (세종대학교 최유경 교수님 '2021 기계학습'수업) What is ML? 먼저 Machine Learning 즉, 기계학습이란 무엇일까? 사전적 정의로는 '경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구로 인공지능의 한 분야'이다. 즉, 컴퓨터가 알아서 데이터의 패턴 및 분포를 파악하며 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야라고 할 수 있다. 이런 기계학습은 대표적으로 지도학습, 비지도학습, 강화학습 3가지로 분류할 수 있다. 1. 지도학습(Supervised Learning) 지도학습은 말 그대로 학습을 지도하는 가이드 라인(결과값)이 있다고 생각하면 된다. 즉, ..

길다면 길고 짧다면 짧았던 한이음 공모전이 마무리되었다. 사실 포스터에는 공모전이 8/2 ~ 8/30 까지라 나와있지만 이는 접수기간이고 실질적으로 준비 및 평가, 전시까지의 기간은 대략 4/5 ~ 12/3로 약 8개월의 과정이라고 볼 수 있었다. 사실 8개월의 과정동안 매주 팀원들과 만나서 더 나은 서비스를 위해 고민하고 힘들게 준비하면서도 수상에 대한 큰 기대는 없었고 잘해봐야 은상이나 동상을 받겠다 생각했지만, 감사하게도 대상🏆(과학기술정보통신부장관상)이라는 큰 상을 받게 되었다. 아무튼 이렇게 마무리를 하고 회고 겸 한이음에 참가를 고려하는 다른 멘티들에게 도움이 되고자 프로젝트의 시작부터 마무리까지의 모든 과정들을 적어보려고 한다. 아무래도 이 프로젝트에서 얻게 된 가장 큰 경험은 서비스(MLo..

U-Net → Biomedical 분야에서 이미지 분할(Image Segmentation)을 목적으로 제안된 End-to-End 방식의 Fully-Convolutional Network 기반 모델 Biomedical Image Segmentation을 위한 네트워크 → Biomedical Image 특성 상 전체적인 사진의 부분 부분의 클래스 도출을 위함 U-Net은 FCN을 기반으로 확장한 네트워크 → resolution을 증가, Skip connection 사용 더 적은 데이터를 가지고 더욱 정확한 Segmentation을 수행 → Data augumentation기법을 사용 [Network Architecture] → U-Net은 이미지의 전반적인 컨텍스트 정보를 얻기 위한 네트워크와 정확한 지역화..