AI Boostcamp 2기
1.[U stage DAY 1] python basics for AI (1)
[U stage DAY 1] python basics for AI (1) 학습정리
2.[U stage DAY 2] python basics for AI (2)
[U stage DAY 2] python basics for AI (2)
3.[U stage DAY 3] AI Math (1)
[U stage DAY 3] AI Math (1)
4.[U stage DAY 4] AI Math (2)
[U stage DAY 4] AI Math (2)
5.[U stage DAY 5] AI Math (3)
[U stage DAY 5] python basics for AI (3)
6.[U stage DAY 6] DL Basic (1)
딥러닝에 대한 소개, 그리고 딥러닝의 역사 / 신경망(Neural Networks)의 정의, Deep Neural Networks
7.[U stage DAY 7] DL Basic (2)
Gradient Descent 기법
8.[U stage DAY 9] DL Basic (4) - RNN, Transformer
DL Basic (4) - RNN, Transformer
9.[U stage DAY 10] Generative Models
[U stage DAY 10] Generative Models - VAE, AAE, GAN
10.[U stage DAY 11] pytorch (1)
[U stage DAY 11] pytorch, operations, template
11.[U stage DAY 12] pytorch (2)
pytorch optimizer, Dataset & Dataloader
12.[U stage DAY 13] pytorch (3) - fine tunning
[U stage DAY 13] pytorch (3) - fine tunning, tensorboard, wandb
13.[U stage DAY 14] pytorch (4) - multi GPU, hyperparameter tuning, trouble shooting
pytorch (4) - multi GPU, Hyper Parameter Tuning, PyTorch Troubleshooting
14.[P stage DAY 15] 이미지 분류
이미지분류에 대한 rough한 설명
15.[P stage DAY 16] 이미지 분류 (3) - model
model, transfer learning 시 고려해야 할 것
16.[P stage DAY 17] 이미지 분류 (4) - Training&Inference
Training&Inference
17.[P stage DAY 19] 이미지 분류 (5) - Ensemble & Experiment toolkit
앙상블, Experiment Toolkits & Tips
18.[U stage DAY 25] CV (1)
Image classification, data augmentation, alex, vgg, google, resnet, senet
19.[U stage DAY 26] CV (2)
GoogleNet, ResNet, DenseNet, SENet, ..
20.[U stage DAY 27] CV (3) - data augmentation
어떤 augmentation을 줘야 할까
21.[U stage DAY 28] CV (4)
sementic segmentation
22.[U stage DAY 29] CV (5) - Object Detection
1.1 What is object detection? Classification + Box localization이미지 안의 object 를 분류함과 동사에 object가 위치한 곳에 boundin box까지 찾는다.1.2 What are the applications
23.[U stage DAY 30] CV (6) - CNN Visualization
Black box 모델인 CNN의 내부 동작을 가시화하는 방법
24.[U stage DAY 31] CV (7) - Instance/Panoptic Segmentation
Instance/Panoptic segmentation & Landmark Localization
25.[U stage DAY 32] CV (8) - Conditional Generative Model
Conditional Generative Model은 입력 condition (주어진 이미지)에 해당하는 output (변환된 이미지)를 생성하는 모델
26.[U stage DAY 33] CV (9) - Multi-modal Learning
Multi-modal learning & image captioning
27.[U stage DAY 34] CV (10) - 3D Understanding
3D Understanding
28.[U stage day 35] 특강
수업/학교/연구에서의 AI 개발 프로세스와 실제 서비스에 사용하는 AI 개발 프로세스의 차이캐글에 대한 설명과 높은 랭킹을 달성하기 위한 팁Quant Trading에 대한 설명AI 모델링을 할 때에 사용되는 데이터의 저작권에 대한 얘기
29.[U stage Day 36] 특강 2
특강 2
30.[P stage 2 DAY 37] Object Detection
Object Detection
31.[P stage 2 DAY 39] Object Detection (3)
Neck
32.[P stage 2 DAY 40] Object Detection (4)
1 stage detector
33.[P stage 2 DAY 41] Object Detection (5)
EfficientDet
34.[P stage 2 DAY 42] Object Detection (6)
Cascade R-CNN, DCN, 그리고 Transformer
35.[P stage 2 DAY 43] Object Detection (7)
1 Stage Detector
36.[P stage 2 DAY 44] Object Detection (9)
competition에서 꼭 알아야하는 것
37.[P stage 2 DAY 45] Object Detection (10)
대회 솔루션
38.p stage 2 - recycling trash object detection 회고글
Boostcamp 두번째 Pstage. recycling trash object detection 대회를 끝마치고 아쉬웠던 점과 잘한 점에 대해 회고하는 글.
39.[P stage 3 DAY 50] Sementic Segmentation (1)
Sementic Segmentation, EDA, FCN
40.[P stage 2 DAY 51] Sementic Segmentation (2)
FCN 의 한계를 극복한 모델
41.[P stage 2 DAY 52] Sementic Segmentation (3)
U-Net , U-Net ++ , U-Net 3+
42.[P stage 2 DAY 53,54] Semantic Segmentation (4),(5)
Segmentation 대회에서 사용하는 방법들
43.[P stage 2 DAY 55~59] Sementic Segmentation (6)
HRNet (1)
44.[level3 DAY 65] 데이터 제작 (1)
데이터 제작
45.[level3 DAY 66] 데이터 제작 (2)
글씨 탐지 EAST
46.[level3 DAY 67] 데이터 제작 (3)
대회에 사용되는 데이터 소개, 성능 평가 metirc, Annotation Tool 소개
47.[level3 DAY 85~90] Product Serving(1)
MLOps Basic
48.[level3 DAY 85~90] Product Serving(2)
Product Serving - prototype