# learning

13개의 포스트
post-thumbnail

Machine-Learning

임선집 강사의 머신러닝 강의를 듣고.. 종류 지도 학습(Supervised) 비지도 학습 (Pattern Discovery) 강화 학습 ex) 알파고, 로봇 청소기 숫자 텍스트 이미지 --> Pytorch의 중요성이 높아짐 회귀 연속된 수치에 대해서 분류 과적합 과소적합 정확도 MSE(mean square error 평균 제곱 오차) 평균을 기준으로 +- -> 오차의 제곱을 mean square error로 부르고 **미분가능 -> 더 많이 사용 MAE(mean Absolute error) 큰 오차를 줄이기 위해서 사용하는 미분은 불가능 -> 덜 사용함 주성분 분석(Pr

2023년 7월 18일
·
1개의 댓글
·
post-thumbnail

[MLOps] An Overview of the End-to-End Machine Learning Workflow

일반적인 ML 워크 플로우의 핵심 단계 머신러닝의 프로젝트의 목표는 수집된 데이터를 사용하여 이 데이터를 머신러닝 알고리즘을 적용하여 통계 분석을 제공하는 것입니다. 즉, 여기서 기본적으로 Data, ML Model, Code에 대한 세 가지의 주요 아티팩트에 대한 이야기를 할 수 있습니다. 기본적인 아티팩트 3가지에 해당하는 머신러닝 플로우는 3가지의 주요 단계로 구성됩니다. 데이터 엔지니어링 : 데이터 수집 및 데이터 준비 ML 모델 엔지니어링 : ML 모델 교육 및 제공 코드 엔지니어링 : ML 모델을 최종적으로 통합 데이터 엔지어링 모든 데이터 과학 워크플로의 초기 단계는 분석할 데이터를 수집하고 준비하는 것 가트너의 따르면, 데이터 준비에서의 데이터 수집단계는 “a

2023년 3월 3일
·
0개의 댓글
·
post-thumbnail

[PROLOGUE] A to Z 알파벳 프로그래밍 언어 공부 일지

🆎 개요 > D 언어 1.0이 나옵니다. 전에 개발 커뮤니티에서 농담처럼 프로그래밍 언어 이름이 외자 알파벳인 경우가 정말 많다고 하시는 이야기를 들은적이 있다. (대표적으로 C, R) 그래서 현재까지 나온 프로그래밍 언어 중에는 얼마나 있을지 궁금해져서 찾아보았다. 구글링을 통해 알아보니 각 알파벳에 해당하는 프로그래밍 언어들을 나열해놓은 사이트를 찾게되었는데 흥미로운 점은 외자 알파벳을 이름으로한 프로그래밍 언어들이 프로그래밍의 역사와 관련이 깊다는 것이었다. (C언어의 조상이 B언어인 것 처럼) 그래서 해당 시리즈에서는 컴퓨터, 프로그래밍의 역사 및 여러 프로그래밍 언어들을 공부해보겠다는 목적으로 외자 알파벳으로된 프로그래밍 언어들을 공부하고 Hello, World! 프로그램부터 간단한 알고리즘 문제

2023년 2월 11일
·
0개의 댓글
·
post-thumbnail

220910 특화 프로젝트 개발일지

✍ 오늘 한 일 💡 오늘 진행 상황을 간단하게 정리 합니다. 사전학습 2일차 : Recoil 주변에서 꼭 사용해보라던 Recoil 을 드디어 만져보았다. 내가 경험했던 상태 관리 라이브러리 가운데, 가장 편의성이 높은 라이브러리 였다. 여러개의 미니 프로젝트를 진행했는데, Recoil 의 어려움 보다도 typescript 와 함께 적용시키는 것이 쉽지 않았다. 실제 프로젝트에서 쓰일 시행착오 부분을 미리 소모하고 가는 것이라고 생각했다. 이 시간들이 무의미 하지는 않을 것이다. > recoil 시작하기 : https://velog.io/@beberiche/Recoil-%EC%8B%9C%EC%9E%91%ED%95%98%EA%B8%B0 📢 개선 사항 💡 오늘 하루 개선하면 좋았을 부분을 작성합니다. 없다면 생략하셔도 좋습니다. 📢 내일 진행 예정 💡 내일

2022년 9월 10일
·
0개의 댓글
·
post-thumbnail

220909 특화 프로젝트 개발일지

✍ 오늘 한 일 💡 오늘 진행 상황을 간단하게 정리 합니다. 사전학습 1일차 : typescript 오늘 부터는 추석연휴 기간이다. 우리팀의 경우, 이 기간을 사전 학습의 시간으로 잡았다. 지난주 다 마치지 못한 타입스크립트에 대해 공부하였다. 생각보다, 시행착오가 많아 많은 시간을 소모하였다. 그래도 확실히 익숙해지는 느낌은 든다. > 타입스크립트 시리즈 : https://velog.io/@beberiche/series/TypeScript 📢 개선 사항 💡 오늘 하루 개선하면 좋았을 부분을 작성합니다. 없다면 생략하셔도 좋습니다. 📢 내일 진행 예정 💡 내일 할 업무를 팀원들과 함께 공유해봅시다. 글이 자세할수록, 팀원 모두가 업무 흐름을 파악하기 쉬워집니다. Recoil 공부하기 프로젝트 메인 기술 이론으로 넘어가기 전, `recoil

2022년 9월 10일
·
0개의 댓글
·
post-thumbnail

[DeepLeaning from Scratch] 신경망 학습

신경망 학습에서 학습이란 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것 손실 함수는 신경망이 학습할 수 있도록 해주는 지표 이 손실 함수의 결과값을 가장 작게 만드는 가중치 매개변수를 찾는 것이 학습의 목표 데이터에서 학습한다는 것은 가중치 매개변수의 값을 데이터를 보고 자동으로 결정한다는 뜻 이전 예제에서는 매개변수가 3개였으나, 실제 신경망에서는 매개변수가 수천에서 수만개이기 때문에 매개변수를 수작업으로 정한다는 것은 불가능 Machine Learning의 중심에는 데이터가 존재 Machine Learning에서는 사람의 개입을 최소화하고 수집한 데이터로부터 패턴을 찾으려 시도 이미지에서 특징(feature)을 추출하고 그 특징의 패턴을 Machine Learning 기술로 학습하는 방법 특징은 입력 데이터(이미지)에서 본질적인 데이터르 ㄹ정확하게 추출할 수 있도록 설계된 변환기 이미지의 특징은 보통 벡터로 기술 이런 특징을 사

2022년 5월 29일
·
0개의 댓글
·

Regularization

정규화 딥러닝을 진행하다보면 자주 나오는 용어이다. 영어로 Normalization, Standardization, Regularization 이 세 용어는 한국어로는 모두 정규화지만 각각 다르기 때문에 헷갈리기 아주 좋다. 각각의 차이에 대해서 간략하게 살펴보자 Regularization 이 방법은 모델에 제약을 거는 작업으로 이는 모델의 trainingaccuracy를 낮춰 testingaccuracy를 높이는 것이다. 즉, 모델을 flexible하게 만들어 주는 것이다 위 그림의 overfitting은 모델이 훈련 데이터에 너무 딱 맞게 학습되었고 이를 가지고 테스트를 진행하면 좋은 결과가 나오지 않을 것이라는 것을 알 수 있다. 이러한 overfitting을 방지해 주기 위해

2022년 2월 18일
·
0개의 댓글
·
post-thumbnail

CS229 Machine Learning (2018 Autumn 2주차)

이론 용어 정의 $m$ : dataset 개수 $n$ : input 차원, feature 개수 $X$ : input (주로 vector) $y$ : output (주로 scalar) $(X^{(i)}, y^{(i)})$ : i번째 dataset $X_j$ : input의 j번째 feature scalar : 0차원 값 vector : 1차원 배열 matrix : 2차원 배열 Dataset 예시 |$X$|$X$|...|$X$|$y$| |:-:|:-:|:-:|:-:|:-:| |$x^{(1)}1$|$x^{(1)}2$|...|$x^{(1)}_n$|$y^{(1)}$| |$x^{(2)}1$|$x^{(2)}2$|...|$x^{(2)}_n$|$y^{(2)}$| |...|...|...|...| |$x^{(m)}1$|$x^{(m)}2$|...|$x^{(m)}_n$|$y^{(m)}$| Gradient Descent $J(\theta)$를

2021년 1월 28일
·
0개의 댓글
·
post-thumbnail

CS229 Machine Learning (2018 Autumn 1주차)

현재 인공지능 상황은 2000년대 초 인터넷이 폭발적으로 발전하는 상황이랑 비슷하다. 배경 지식 자료구조 : 큐, 스택, 이진트리 확률과 통계 : 확률 변수, 기댓값, 평균-분산-표준편차 선형대수학 : 매트릭스와 벡터의 사칙 연산 정의 머신러닝은 명시적인 프로그래밍이 없어도 컴퓨터가 어떤 동작을 학습할 수 있게 하는 것이다. 경험(학습)을 통해 어떤 일에 대한 기계 성능을 높이는 것이다. 지도 학습과 비지도 학습 지도 학습은 레이블이 있는 데이터(input, output이 있는 데이터)를 학습해서 어떤 input에 대한 적절한 output을 예측하는 것이다. 비지도 학습은 레이블이 없는 데이터(input만 있는 데이터)를 학습해서 주어진 input에 적절한 의미를 부여하는 것이다. 강화 학습 해결 방법 개수가 무한대일 때 최적의 방법을 찾아내는 방법이다. 모델이 예측한 결과를 측정해서 좋은 결과면 보상(reward signal)을 주고

2021년 1월 28일
·
0개의 댓글
·

2020년 8월 20일 TIL

Create my own getElementsByClassName 개요: 오늘은 DOM 의 메소드를 바닐라 JS 로 구현해 보는 과제를 진행했다. 여기서 내가 거쳐 갔던 과정을 요약하자면 다음과 같다: 1) getElementsByClassName 을 여러 상황에 맞추어 이용하기 2) querySelector/All 과의 차이를 비교하기 (Class 의 경우) 3) 각 DOM 메소드들을 써보고 결과 값에 대한 콘솔 을 얻기 querySelectorAll 의 경우 특이하게 nodeList 로 결과값을 얻는다. contains 는 쓰이는 대상이 document 내부의 node 이어야한다 classList 는 node 를 리턴한다. getElementById 같은 개념이지만 훨씬 일찍 만들어진 메소드라서 호환성이 좋다. 4) 각 DOM Tree 구조의 요소들을 엑세스 하는 실험 5) Psuedo Code 짜기. 가장 처음 생각했던 부

2020년 8월 20일
·
0개의 댓글
·
post-thumbnail

우리가 노트 필기를 하지 않는 이유

노트 필기의 중요성은 굳이 개발을 공부하지 않는 사람이더라도 익히 알고 있는 사항이다. 올바른 노트 필기 습관은 우리가 수업에 더 집중할 수 있게끔 만들어 주며, 휘발성인 인간의 Short-Term Memory 에 의해 학습 능률이 떨어지지 않게, 혹은 중요한 내용을 잊어버리지 않게 보조 역할을 해줄 수 있다. 또한 이후에라도, 내가 부분적으로 기억 못하는 부분이 있을 때 효율적 이게 필요한 정보만 얻을 수 있도록 기록의 저장고 역할도 해준다. 문제는, 우리 중 일부는 은연중 노트 필기 라는 것 자체를 중요하지 않은 것으로 인식하게 되어, 노트 필기의 습관을 자연스럽게 익히지 못하게 된다는 부분이다. 사실 이 것은 내 개인의 경험이다. 오늘 이 블로그에서는 내 자신이 노트 필기에 습관을 들이지 못한 이유에 대해서

2020년 8월 16일
·
0개의 댓글
·
post-thumbnail

[Machine Learning] 머신러닝 (생활코딩)

머신러닝(Machine Learning)이란? 좋은 결정, 비교가 필요 숫자(number)로 비교 통계 컴퓨터로 계산 ![](https://images.velog

2020년 8월 12일
·
0개의 댓글
·
post-thumbnail

(번역) 머신러닝 모델의 평가지표

원본 Evaluation Metrics for Machine Learning Models - Heartbeat 개요 머신러닝 영역은 기술용어로 가득 차 있고, 이는 처음 시작하는 초보자들을 더 혼란스럽게 만든다. 머신러닝 영역에서 아래 단어들이 뜻하는 의미가 무엇일까? >deep learning, the kernel trick, regularization, overfitting, semi-supervised learning, cross-validation 머신러닝 모델을 만드는 핵심 작업 중 하나는 성능을 평가(evaluate)하는 일이며, 이는 기본적, 필수적인 일이며, 매우 어려운 일이다. 과연 어떻게 머신러닝 모델의 완성도를 측정할까? 언제 학습(train)과 학습평가(evaluation)를 끝

2020년 4월 29일
·
0개의 댓글
·