hye-log

🔥 개별학습 [1] Competition with AI Stages! 1. P Stage - U Stage : 데이터 사이언스를 비롯한 머신러닝, 딥러닝 이론 학습 - P Stage : 경진대회를 통한 프로젝트 실습을 통해 전처리-학습-추론까지의 전체적인 과정 학습 2. Competition with AI Stages 1) Competition - 주어진 데이터를 이용해 원하는 결과를 만들기 위한 가장 좋은 방법 2) Problem Definition(문제 정의) - 내가 지금 풀어야 할 문제가 무엇인가? - 이 문제의 Input과 Output은 무엇인가? - 이 솔루션은 어디서 어떻게 사용되어지는가? 3) Data Description 4) Notebook - 데이터 분석, 모델 학습, 테스트 셋 추론..

🥔 개별학습 [9] Multi-modal 1. Overview of multi-modal learning 1) Multi-modal learning : 다양한 데이터 type, 형태, 특성을 갖는 데이터로 학습하는 방법 2) challenge - 데이터의 형태가 다양하기 때문에 표현 방식도 다름 - 서로 다른 modality에서 오는 정보의 양이 unbalance함 - 여러 modality를 사용할 때 biased됨 3) maching, translating, referencing 등 다양한 방법으로 multi-modal learning 사용 2. Multi-modal tasks(1) - Visual data & Text 1) Text embedding - character는 ML에서 사용하기 어려움 -..

🥔 깃헙 특강 Part 3 1) config.txt - 아이디, 패스워드와 같은 정보를 config 파일에 담아놓고 .gitignore에 저장하여 자동 업로드 되지 않도록 설정 - 다른 사용자가 파일을 받았을 때 config 파일이 누락되지 않도록 config.txt.template과 같이 template을 생성해주면 좋음 - gitignore 자동 생성 홈페이지를 참고하면 쉽게 gitignore를 만들 수 있음 https://www.toptal.com/developers/gitignore gitignore.io Create useful .gitignore files for your project www.toptal.com 2) git clone - 원격 저장소를 로컬에 복제함 3) git pull - ..

🥔 개별학습 [8] Conditional Gereative Model 1. Conditional generative model 1) 주어진 '조건'에 대응하는 이미지를 생성하게 됨 2) Generative model vs. Conditional generative model - Generative model : 단순히 random sample을 생성 - Conditional generative model : condition에 맞는 random sample을 생성 3) Conditional generative model의 예시 - audio super resolution : 저퀄리티의 음성을 고퀄리티 음성으로 변환 - machine translation : 번역기 - article generation w..

🥔 개별학습 [7] Instance/panoptic segmentation 1. Instance segmentation 1) Instance segmentation - Semantic segmentation + instance 구분 2) Instance segmentors (1) Mask R-CNN - FAST R-CNN : ROI pooling → 정수 좌표만 지원 - Mask R-CNN : ROI Align → interpolization을 통해 소수점까지 지원하므로 정교한 feature를 뽑을 수 있음 - upsampling으로 채널 차원 축소 - 80개의 클래스를 고려(prediction) (2) YOLACT(You Only Look At CoefficienTs) - backbone은 Featur..