부스트캠프 AI TECH

개발자, 특히 인공지능을 다룰 수 있는 개발자가 되고 싶었다. 그러한 개발자로 성장할 수 있는 방법을 찾는 도중 부스트캠프에서 AI TECH 3기 모집을 한다는 소식을 들었다. 개발자의 꿈을 꾼 지 8개월 정도가 된 터라 이전엔 이러한 과정이 있는지 모르고 있었다. 프로그램 소개글을 읽고 교육 과정에 대한 정보, 여러 후기들을 찾아보며 인공지능을 실제로 ...

부스트캠프 AI TECH 3기 본 과정이 1월 17일 월요일에 시작되었다 💻(사실 이 글은 2일이 지난 19일에 작성 중이다🥲 이것저것 할 일이 많았기 때문에...)'첫째 날은 사람들과 인사하고 친해지고, 앞으로의 과정 소개 정도로 마무리 되겠지.' 라고 생각했는데

본 게시물은 '부스트캠프 AI TECH 3기' 과정을 통한 학습을 기반으로 합니다. 부스트캠프 측에서 제공되는 자료와 다른 점이 있을 수 있고, 잘못된 부분이 존재할 수 있습니다. 지적이나 조언 달게 받겠습니다. 매일매일 하루의 회고를 하겠다는 다짐은 심화 과제를 만

tryexceptelsefinallytext file, binary fileASCII, unicodef = open(~)moder,w, etc.f.read()f.close()f.readline()etc.log의 효용, 필요성Pickleimport pickle파이썬 객체

numpy처럼 유용한 라이브러리.panel data → pandas구조화된 데이터 처리 지원.numpy와 연동.table형 데이터 처리에 강력함.import pandas as pd구성sample data(data table)attribute, field, feature

2주차에 접어들었다. 강의시수가 저번주에 비해 현저히 줄어들어서 좋아했는데 과제 양이 엄청나게 많아졌다 😇 본격적으로 pytorch에 대해 배우기 시작했다. 모델을 만들고 구현하는 데에 직결되어 있는 부분이라 조금 긴장이 되기도 했다. 여기서 기초를 탄탄히 다지지

2주차는 개인적으로 버겁게 느껴지는 한 주였다.1주차에서의 수학 이론 강의 중 이해가 잘 되지 않는 부분이 존재했고, numpy, pandas 등의 파이썬 라이브러리도 익숙치 않았다.2주차에는 pytorch를 배웠는데 pythonic한 코드, OOP in python

데이터를 불러오고 그 데이터로 학습을 수행하는 것만큼이나 데이터의 시각화도 중요하다. 시각화가 잘 이루어져야 그 데이터에서 insight를 얻기가 보다 쉬워진다.당연하게도 데이터 시각화는 데이터에서 출발한다. 데이터가 무엇인지, 데이터의 종류에는 무엇이 있는지를 알아야

zip()으로 특정 칼럼과 색상을 묶고 (ex. zip(\['adult', 'kid'],\['orange', 'green'])) 해당 칼럼에 따라 색상을 달리 하여 정보를 나타낼 수 있음..scatter()와 결합 시 A, B의 상관관계를 확인하면서 동시에 adult,

앞으로는 평일에는 간단하게 그날 배운 내용을 정리하고 부족한 부분은 주말을 이용해서 채워넣기로 했다.논문 리뷰를 해야 해서 overview와 MLP 파트를 수강한 뒤, RNN 파트로 점프했다. 때문에 강의 순서와 학습 순서가 조금 달라졌다.definitiontoolsk

부스트캠프 ai tech에서 7주간의 level1 과정은 pstage로 마무리 되었다. 대회 형식의 프로젝트를 경험하면서 문제를 인식하고 그것을 ai를 통해 해결해보는 하나의 전체적인 경험을 한다.사람의 이미지가 input으로 입력되면 마스크 착용 여부와 성별, 연령대

NLPBag of WordsWord Embedding영어한국어pythoncallback에 대한 대략적 이해Callablemap(partial( ~ ))정규표현식에 대한 구체적 이해tokenize 관련 코드 정규표현식을 이용하여 바꿔보기

varnilla RNNgradient exploding/vanishingLSTM(Long Short-Term Memory)GRUpytorch를 이용한 RNN의 구체적 구현방법tensor를 다루는 방법

seq2seqbottleneck problem : previous hidden state 정보 누적 및 압축 → 손실 발생 및 time step 간 거리가 멀 경우 정보 반영 ↓attention"focus on particular part on source sequen

회고 에러 에러를 마주했을 때 '아 지금 할 것도 많은데 또 에러야?'라는 짜증보다 '언젠가 마주할 에러를 그나마 여유 있을 때 만났구나', '하나만 배울 걸 여러 개를 배울 수 있어서 좋다'라고 생각하기로 했다. (솔직히 짜증은 났다) 프로젝트 파이널 프로젝트에 대한

부캠에서 FastAPI에 대해 배우던 중 poetry를 사용하여 의존성을 관리하는 법을 배우게 되었다.쉘에 설치된 패키지들을 유지한 채(즉 쉘을 종료하지 않고 유지한 채) 가상환경만 바꾸고 싶으면?exit 가상환경 비활성화, 쉘 종료deactivate 가상환경 비활

어제자(22.06.17)로 부스트캠프 AI Tech 3기 과정이 모두 종료되었다.과정 회고는 추후 작성하도록 하고 밀린 프로젝트를 하려고 한다. (사실 프로젝트가 끝난 후 했어야 하는데 부캠 과정은 프로젝트가 끝나고 바로 프로젝트가 시작되는 구조였어서 그러지 못했다.

프로젝트를 시작하면서 지키고자 한 모토가 있다. '완벽보다 완성'지난 프로젝트 때의 멘토님이 남기고 가신 말씀인데 상당히 중요한 말이라고 생각했다. 기한과 자원이 무제한이라면 완벽을 추구해도 좋겠지만 거의 모든 프로젝트는 그렇지 않고, 때문에 완벽보다 완성이 중요할 때