hye-log

🌿 개별학습 [1] Object Detection Overview 1. Object Detection 1) Task - Classification : 이미지가 무엇인지 예측하는 태스크 - Object Detection : 이미지 속 객체를 식별하는 태스크 - Semantic Segmentation : 이미지 속 객체의 영역을 구분하는 태스크(같은 클래스 내에서 구분 X) - Instance Segmentation : 이미지 속 객체의 영역과 객체를 구분하는 태스크(같은 클래스 내에서 구분O) 2) History 3) Evaluation - 성능 : mAP(mean Average Precision) - 속도 : FPS, Flops 4) Libarary - MMDetection : pytorch 기반 obj..

🍰 개별학습 [7] Linux & Shell Command 1. Linux 1) 서버에서 자주 사용하는 OS로 무료이며 오픈 소스로 공개되어 있음 2) CLI(Command Line Interface) : Terminal 방식 - GUI(Graphic User Interface) : 주로 Desktop에서 볼 수 있는 방식 2. Shell Command 1) 쉘 - 쉘 : 문자를 통해 컴퓨터에 명령할 수 있는 프로그램 - 터미널/콘솔 : 쉘을 실행하기 위해 문자의 입력을 받아 컴퓨터에 전달 - sh : 최초의 쉘 - bash : Linux 표준 쉘 - zsh : Mac 카탈리나 OS 기본 쉘 2) 쉘 UX - username@hostname: current_folder 형식 3) 기본 쉘 커맨드 - ma..

🍰 개별학습 [6] 웹 서비스 형태 - Streamlit 1. 웹 서비스를 만드는 과정 1) 데이터 분석가가 웹 서버를 작업하는 Flow (1) Jupyter notebook에서 코드를 작성 (2) Python Script에 복사-붙여넣기 (3) Flask app을 작성하고 HTTP, HTML 등을 생각함 (4) 수정, 개선이 필요함 -> 유지보수가 어려움 2) 프론트엔드/PM 조직과 협업하여 작업하는 Flow (1) requirements(요구 조건)를 작성 (2) wireframe의 layout을 만듦 (3) HTML, CSS, Python, React, Javascript 등으로 프론트엔드, 백엔드 작업을 함 (4) 한 달후에 완성되면, 개선은 두 달 뒤에 가능 -> 유지보수가 어려움 3) 다른 조..

🍰 개별학습 [5] Notebook 베이스 - Voila 1. Voila 1) Notebook 베이스로 프로토타입 만들기 - 테스트를 위해 추가 환경 설정이 필요함 - 사람들과 테스트할 수 있는 프로토타입이 필요 2) Voila - Jupyter Notebook에서 별도의 코드 추가 없이 프로토타입을 만들 수 있음 - 원래의 목적은 대시보드 - 다른 대시보드(Superset, Metabase, Redash, Tableau)는 개발 리소스와 유지보수가 필요함 3) Voila의 장점 - Jupyter Notebook 결과를 쉽게 웹 형태로 띄울 수 있음 - ipywidget, ipyleaflet 등 사용 가능 - Jupyter Notebook의 extension에 있음 - Python, Julia, C++ ..

🍰 개별학습 [3] Model Serving 1. Model Serving 1) Serving의 종류 - Batch Serving : 일정 주기(1일, 1주, 1달 등)로 한꺼번에 예측 - Online Serving : 실시간으로 예측, 병목이 없어야 함 2) Serving - Production 환경에서 모델을 사용할 수 있도록 배포하는 것 - 머신러닝 모델을 개발하고, 현실 세계(앱, 웹)에서 사용할 수 있게 만드는 행위 - 머신러닝 모델을 회사 서비스의 기능 중 하나로 활용 예) 추천 시스템의 추천 알고리즘 3) 용어 정리 - Serving : 모델을 앱, 웹 서비스에 배포하는 과정. 모델을 서비스화하는 관점 - Inference : 모델에 데이터가 제공되어 예측하는 경우. 사용하는 관점 - Ser..