속도 < 방향

정재곤님의 Do it! 안드로이드 앱 프로그래밍 책과 유튜브 영상을 참고하여 공부하며 정리하였습니다. 01. Hello! Android 01.안드로이드란? 구글에서 만든 스마트폰용 운영체제(OS)로, 휴대용 단말기를 위한 운영체제뿐만 아니라 다양한 앱을 설치하여 실행할 수 있는 앱 플랫폼이기도 하다. 아무리 아이폰이 많이 팔린다고 하지만, 안드로이드가 압도적으로 판매량이 높다. 그 이유는 무엇일까? * 안드로이드의 장점 오픈소스이다. 그렇기에 전 세계 개발자들의 피드백도 빠른 편이다. 자바(Java)언어를 사용한다. 전세계 수많은 개발자들이 사용하기 때문에 접근이 손쉽다. - 코틀린으로도 안드로이드 앱 프로그래밍을 할 수 있는데, 코틀린은 자바 가상머신(JVM)에서도 동작하기 때문에 훨씬 간단하고 단순하..

02. 데이터 다루기 02-1 훈련 세트와 테스트 세트 시작하기 전에 1강에서 사용한 k-최근접 이웃알고리즘은 알고리즘을 찾는다기 보다는 입력한 49개의 데이터에 대한 최근접 이웃을 찾는 것이기 때문에 성공율이 100%일수밖에 없다. 입력(데이터)과 타깃(정답)이 있는 것이 지도학습, 타깃데이터가 없고 입력만 있는 것이 비지도학습이라고 한다. 강화학습은 모델이 어떤 행동을 수행한 다음 주변의 환경에서 행동의 결과를 피드백을 받아 개선해나가며 수행하는 방식이다. k-최근접 이웃 알고리즘도 지도학습의 한 종류이다. 연습문제와 시험문제가 같다면, 정답률은 100%일수밖에 없다. 따라서 머신러닝 프로그램의 성능을 제대로 평가하려면 훈련 데이터와 평가에 사용할 데이터가 각각 달라야 한다. 평가에 사용하는 데이터를..

박해선님의 혼자 공부하는 머신러닝+딥러닝 책과 유튜브 영상을 참고하여 공부하며 정리하였습니다. 01. 나의 첫 머신러닝 01-1 인공지능과 머신러닝, 딥러닝 시작하기 전에 책의 그림을 통해 인공지능의 역사를 볼 수 있다. 참고사이트 : http://scimonitors.com/aiai기획②-인공지능-발달과정-튜링부터-구글-알파고-ibm/ Science Monitor AI, Quantum Computing Science & Technology Magazine scimonitors.com 1) 인공지능 태동기(1943-1956) : 인공지능에 대한 꿈이 부풀어오르던 초기시기, 튜링 테스트의 등장. 2) 인공지능 황금기(1956-1974) : 다트먼스 AI 컨퍼런스에서 인공지능에 대한 장밋빛 전망 발표, 퍼셉..

한빛미디어에서 주최하는 혼공학습단에 지원하였고, 혼공학습단 7기에 선정되었다. 도서 별 커리큘럼이 있고, 혼공 시리즈 도서 중 하나를 선택하여 미션을 성공하면 되는 간단한 활동이다. 미션을 완수하면 마일리지 2만원과 더불어 우수 학습자에게는 백화점 상품권까지 증정한다고 한다. 내가 선택한 책은 박해선님의 혼자 공부하는 머신러닝+딥러닝이다. 이미 봤던 책이지만 리마인드 겸 블로그에 정리를 하려던 찰나에, 좋은 컨텐츠를 제공해주신 한빛미디어에게 감사하다. 커리큘럼은 위와 같다. 설 연휴 주를 제외한 6주간의 활동(1/10~2/27) 동안 진행이 되기 때문에, 혹시나 신청을 못했더라도 같은 진도로 진행하면 좋을 듯 하다. https://youtu.be/J6wehCO_c58 박해선님의 유튜브 강의를 통해 도움을..

[업데이트 : 2022-01-09] 논문 : Recent Advances in Convolutional Neural Networks 2015년에 발표된 Recent Advances in Convolutional Neural networks 논문의 Summary 겸 리뷰를 적어보려고 합니다. 글을 쓰기에 앞서, 공부를 위해 논문을 보며 요약, 작성한 내용이라 간혹 오역이나 잘못된 내용이 있을 수 있습니다. 핵심 키워드는 highlight를 해두었습니다. 틀린 부분은 댓글로 알려주시면 감사하겠습니다^^ 편의상 경어체를 빼고 작성하겠습니다. Abstract 그동안 nlp, vision 분야에서 딥러닝의 지속적인 발전이 있었고, 이는 컴퓨터 그래픽 프로세서의 발전뿐만 아니라 합성곱신경망의 발전 덕분이기도 하다...

[업데이트 : 2022-01-02] 논문 : Bag of Tricks for Image Classification with Convolutional Neural Networks 2019년에 발표된 Bag of Tricks for Image Classification with Convolutional Neural Networks 논문의 Summary 겸 리뷰를 적어보려고 합니다. 글을 쓰기에 앞서, 공부를 위해 논문을 보며 요약, 작성한 내용이라 간혹 오역이나 잘못된 내용이 있을 수 있습니다. 핵심 키워드는 highlight를 해두었습니다. 틀린 부분은 댓글로 알려주시면 감사하겠습니다^^ 편의상 경어체를 빼고 작성하겠습니다. Abstract 이미지 분류에서 최근 이뤄진 data augmentation이나 ..

[업데이트 : 2021-12-08] 논문 : Gradient-Based Learning Applied to Document Recognition 1998년에 발표된 Gradient-Based Learning Applied to Document Recognition 논문의 Summary 겸 리뷰를 적어보려고 한다. 글을 쓰기에 앞서, 공부를 위해 논문을 보며 요약, 작성한 내용이라 간혹 오역이나 잘못된 내용이 있을 수 있다. 핵심 키워드는 highlight를 해두었다. 틀린 부분은 댓글로 알려주시면 감사하겠습니다^^ CNN 의 아키텍쳐가 시작된 논문이다. 이 논문에서 구현한 모델은 LeNet으로, 이 모델을 기조로 향후의 CNN모델이 발달했다고 할 수 있다. 0. 들어가기 전에 핵심 키워드 살펴보기 1. ..

[업데이트 : 2021-12-06] 논문 : Network In Network 2014년에 발표된 Network In Network 논문의 Summary 겸 리뷰를 적어보려고 한다. 글을 쓰기에 앞서, 공부를 위해 논문을 보며 요약, 작성한 내용이라 간혹 오역이나 잘못된 내용이 있을 수 있다. 핵심 키워드는 highlight를 해두었다. 틀린 부분은 댓글로 알려주시면 감사하겠습니다^^ Abstract 저자는 수용 영역 내에서 모델의 판별 가능성을 향상시키기 위해 Network In Network 라는 새로운 심층 네트워크 구조를 제시한다. (이하 NIN) 기존의 Covolutional 모델은 비선형 활성화 함수와 함께 선형 필터를 사용한다. 반면, NIN은 기존의 Covolutional 모델보다 수용 영..

Open Source Computer Vision Library의 약자로, 실시간 컴퓨터 비전을 목적으로 한 오픈소스 컴퓨터 비전 및 머신러닝 라이브러리이다. C#, C/C++/, Python, Java, Ruby 등 다양한 언어를 지원하고 있다. Windows,iOS, Android, Linux 등 다양한 OS플랫폼을 지원한다. 보통 OpenCV를 구동하는 IDLE은 개인의 편의에 따라 다르지만, 대부분 스크립트 언어인 파이썬을 많이 활용하고 있다. 파이썬으로 OpenCV를 사용하는 법은 다양한데, 바로 결과를 확인할 수 있는 jupyter notebook을 많이 사용하는 편이다. OpenCV 메뉴얼이다. https://docs.opencv.org/4.5.2/d9/df8/tutorial_root.htm..

넘파이 : 행렬(배열)을 표현할 때 많이 사용한다. 판다스 : 시리즈, 데이터프레임이 가장 많이 사용됨 공공데이터 활용에 더 많이 능하다. 표를 표현하는 것. 넘파이의 경우 배열 안의 요소는 모두 타입이 같아야하지만 판다스는 복합적으로 다양한 타입을 할 수 있다. 그렇게 복합적으로 사용할 경우에는 타입이 object로 잡힌다. 딕셔너리로 시리즈 생성시 키가 인덱스로 사용된다.