# LGAimers

dangdang2222

DACON 링크LG Aimers 2기 Phase1 수료 후 진행했던 Phase 2 온라인 해커톤에서 Public 10위, Private 1위를 달성했다. 당시 제출했던 PPT 자료와 함께 간단하게 정리하고자 한다.먼저 프로젝트 주제는 스마트 공장 제품 품질 상태 분류

govldbstj

대규모 데이터를 별도의 label없이 입력의 일부를 예측 대상으로 삼아 학습하는 모델: label이 필요 없는 input data를 활용해 학습MLM(Masked Language Modeling) task \-> 마스크 씌워진 단어 맞추기: k = 15% (마스킹된 단

govldbstj

< transformer 모델의 동작 원리 >지난 시간 rewind : Seq2seq + attention 구성요소 3가지 encoder, decoder, attention module: seq2seq with attention model의 개선판Attentio

govldbstj

: Recurrent Neural Networks\-> sequence data 에 특화된 neural network, 재귀호출하는 알고리즘\-> 전단계의 출력 결과와 현재 단계의 새로운 입력값에 각각 fully connected layer를 거치고 합산해서 seque

azzbc7819

해당 포스팅에 관한 모든 저작권은 LG Aimers에 있습니다. 이번 강의는 설명 가능한 AI, XAI에 관한 강의이다. 인공지능 관련 공부를 하면서 들어본 적은 있으나 자세히 알지는 못 하였는데 이렇게 XAI만을 위한 강의를 듣게 돼서 좋다. 딥러닝은 대용량 데이

govldbstj

합성곱 신경망의 동작 원리 및 이를 통한 이미지 분류LGAimers의 주재걸교수님 강의를 바탕으로 작성한 글입니다. 사용한 이미지는 강의 자료이며 개인 공부를 위한 포스팅입니다. \-> Fully Connected neural network : 앞에서 배운 멀티레이어

dangdang2222

_블로그에 포스팅하는 내용들은 강의 전체 내용이 아닌 내 기준, 나한테 필요한 내용들 기억하고 싶은 내용들 위주입니다 해당 내용의 출처는 LG Aimers(https://www.lgaimers.ai)에 있습니다_ Part 1. 순환 신경망 기반의 시계열 데이터 회귀

dangdang2222

작년 여름 LG Aimers 1기를 수료한 이후, 2기 활동에 재참여하게 되었다. 활동 과정은 1기와 동일한 것 같다.한 달 동안 강의를 듣고, 그 다음 한 달 동안 해커톤에 참여하는 방식.

govldbstj

Deep learning을 학습하기 위한 구체적인 기법들Gradient descentBack propagationGradient vanishing & batch normalizationLoss function이 최소화가 되도록!loss function에 대해서 각각의

govldbstj

: DNN 심층신경망의 기본 동작 원리이 3가지가 모두 잘 맞아야 한다.Deep Neural Network, 딥러닝은 다수의 층으로 이루어진 neural network임.: (input \* weight -> 가중합 -> 활성화함수 -> 최종 신호) —> 다음 계층으로

azzbc7819

포스팅 내용에 대한 저작권은 모두 LG Aimers에 있습니다 module4 딥러닝 강의 중에 드디어 RNN 파트를 시작하게 되었다. CNN은 인공지능 수업 들을 때 프로젝트를 해본 경험이 있어서 비교적 익숙했는데 RNN은 배운 경험이 있음에도 낯설었다. 이상하다 비트코인 데이터 돌려봤던 거 같은디 RNN(Recurrent Neural Network) ...

govldbstj

: 이미 사용하고 있거나 개발한 알고리즘의 간단한 확장\-> supervised learning task에서 성능을 올릴 수 있는 방법협력이라는 프랑스어 어원을 가짐.: 다양한 모델의 각 장점을 살려 사용할 수 있다.(1) 학습 데이터셋을 랜덤하게 나누어서 학습을 진행

govldbstj

\-> 최대 margin을 확보하는 것이 목적이다.점선과 점선 사이에 서로 가장 마진을 크게 잡으면 중간의 실선이 된다. (참고로, 점선은 positive/negative sample중에 가장 상대에게 가까운 값 => minimum margin = support vec

govldbstj

지도학습의 목적은 target function f를 approximation하는 hypothesis h를 학습하는 것!(입력 피쳐와 해당파라미터 셋이 Linear combination 되어 있는 형태)\-> 2차원 데이터파란색 : positive sample노란색 :

govldbstj

<Gradient descent : 경사 하강법>손실함수 값을 최소화하는 offset(initial parameter)을 찾아내는 과정경사는 변화의 방향이 가장 큰 곳으로 업데이트된다Hyper parameter(알파 -> 사전에 정하는 값)와 learnable p

azzbc7819

게을러터진 은영이... 지금 3주차 수요일인데 module4 이제야 봄 심지어 다 보지도 않고 절반만 봄 포스팅 내용에 대한 저작권은 모두 LG Aimers에 있습니다. 딥러닝이란? > 입력 출력 사이 관계를 본 따 학습 모델을 만드는 머신러닝 중, 두뇌 신경 세

govldbstj

< Linear regression : 모델의 출력이 연속인 값을 갖는다. label이 있는 데이터셋을 사용>선형 모델 : Linear combination으로 이루어진 모델을 linear model이라고 한다.\-> 반드시 입력 변수가 선형일 필요는 없다.\-

govldbstj

< Supervised learning, 지도학습 >: 인공지능 모델의 정답과 학습 문제를 알려줌Machine learning : 데이터로부터 내재된 패턴을 학습하는 과정.사람이 어렸을 때부터 보고 자란 책과 미디어, 교육에 의한 내용에 따라서 갈기가 있고 이빨이

govldbstj

보전의 목적 : 안전하고 경제적으로 운전될 수 있는 조건으로 장비를 유지 비용 검토와 관련된 문제의 인식 효율 감소로부터 증가하는 경제적 손실 vs 유효 보수비용으로 인한 경제적 손실 Safety risk 사전보전조치에 의한 안전에 대한 위험 요소 회피 필요 고장

govldbstj

<연속형 신뢰성 분포>지수-감마분포와이블분포(욕조 곡선을 잘 설명할 수 있는 분포)다양한 분포를 활용한 MTTF, 생존 확률 계산 등정규분포, 중심극한정리에 의해 다른 임의의 분포를 활용하더라도 모수가 충분히 크면 근사적으로 정규 분포를 따른다.대수정규분포, 다양