본문 바로가기

딥러닝

코세라 Machine Learning Modeling Pipelines in Production 수료 코세라 MLOps 특화과정의 세번째 강의이다. 두번째 강의인 Data Lifecycle in Production 처럼 있는 구글 텐서플로 엔지니어 Robert Crowe 라는 분이 강의를 진행하신다. 수업은 총 5주차 내용으로 구성되어있고, 4주차 과제까지 완료하면 수료증이 발급된다. 나는 ML 이나 특히 MLOps 쪽을 잘아는 것은 결코 아니지만 전혀 모르는 것도 아니다. 철저하게 내 입장에서 강의를 평가한다면, 이번강의 역시 약간 실망스러운 감이 있다. 코세라 강좌가 MLOps 를 위한 Tensorflow 소개를 위한 것인가 싶기도하다. 실무적으로 활용할 수 있는 스킬적인 부분은 없고, 아주 기본적인 내용.. 더보기
코세라 Sequence Models 수료 코세라 Deep Learning 특화과정 중 마지막 강의이며, 언어처리 모델에 대해 알려준다. 강의를 들으면 Recurrent Neural Networks, Natural Language Processing(word embedding), Attention mechanism, Transformers 등의 대표적인 Sequential 모델의 알고리즘의 원리와 코드 프로그래밍 과제를 할 수 있다. 나에게는 주 관심분야인 비전쪽이 아니어서 이해하기도 약간 어려웠고 꾸역꾸역 다른 분들 git repo에 업로드된 솔루션 따라하면서 완료했다. Sequence Models 에서 다루고 있는 내용은 아래와 같다. Recurrent Neural Networks Building your .. 더보기
코세라 Convolutional Neural Networks 수료 코세라 Deep Learning 특화과정 중 네번째 강의이다. Computer Vision 분야에서 기본적으로 사용되는 CNN에 대한 전반적인 내용을 다루고 있으며, 기본적인 기능인 Convolution, Pooling, Fully Connected Layer 에 대한 특징과 원리를 간단한 매트릭스 연산예제를 통해 상세하게 알려준다. 나아가, Image Classification, Object Localization, Object Detection, Landmark Detection, Semantic Segmentation, Face Recognition, Neural Style Transfer 알고리즘의 원리와 코드구현을 통해 비전 분야에서 .. 더보기
코세라 Structuring Machine Learning Projects 수료 코세라 Deep Learning 특화과정 중 세번째 강의이다. 실제로 머신러닝 연구개발 프로젝트를 진행하다보면 모델을 분석하고 개선하는 과정에 꽤나 시간을 많이 낭비할 수 있는데, 이 강좌에서는 Andrew Ng 교수님이 여러 머신러닝 팀들과 프로젝트를 진행하며 겪은 개발사례를 토대로 프로젝트의 진행, 모델의 분석, 고도화 방안에 대한 핵심적인 노하우를 알려준다. 실제 프로젝트 개발을 진행할 때 필요한 전반적인 워크플로우, 데이터이해, 모델학습과 성능개선을 위해 유념해야할 내용들을 살펴볼 수 있어 유익한 시간이었다. Structuring Machine Learning Projects 에서 다루고 있는 내용은 아래와 같다. Eval.. 더보기
코세라 Neural Networks and Deep Learning 수료 Andrew Ng 교수와 deeplearning.ai 가 코세라 플랫폼을 통해 제공하는 Deep Learning 특화과정 중 첫번째 강의이다. 첫번째 강의인 Neural Networks and Deep Learning은 총 4주 과정으로 구성되어 전반적으로 머신러닝의 MLP(Multi Layer Perceptron)에 관한 내용을 다루고 있으며, 네트워크의 순전파, 역전파, 파라미터 업데이트 과정을 자세하게 알려주고 이를 통해 로우레벨에서 직접 파이썬 코드로 구현해보는 과제를 수행하게 된다. Neural Networks and Deep Learning 에서 다루고 있는 내용은 아래와 같다. Neural Network Basics Logi.. 더보기
코세라 Advanced Machine Learning 수료 Advanced Machine Learning 이라는 과정이름이 매력적(?)이어서 수강을 시작했다. 이 특화과정은 (1) Introduction to Deep Learning, (2) How to Win a Data Science Competition: Learn from Top Kagglers, (3) Bayesian Methods for Machine Learning, (4) Practical Reinforcement Learning, (5) Deep Learning in Computer Vision 의 과목으로 구성되어있고, 나는 "Introduction to Deep Learning" 와 "Deep Learning in Computer Visi.. 더보기
EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning 용어정의 요약 학습방법 Edge Generator Image Completeion Network Edge Information & Image Mask Training Setup & Strategy 결과분석 Qualitative Comparison Quantitative Comparison Ablation Study 결론 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 기존에 연구되었던 Inpainting 기술은 (1) Diffusion-based method, (2) Patch-based method 그리고 (3) Learning-based method 로 나뉘어져있고 각 방법들은 다음과 같이 간단히 설명할 수 있다. (1) Diffusion-based method 삭제된 영역에 인.. 더보기
Generative Adversarial Nets(GAN) 용어정의 요약 학습방법 결과 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 Generative Adversarial Nets(GAN)은 실제데이터를 통해 모조데이터를 생성하는 Generative model (Generator) 과 이 두 가지 데이터를 구별하는 Discriminative model(Discriminator)로 구성된다. 그리고 충분히 학습된 Generator 가 생성한 데이터를 Discriminator가 실제데이터와 구분할 수 없도록 만드는 것이 연구목표이다. 3. 학습방법 우선 Generator(G)에서 생성된 Noise z (Latent sample)을 이용해서 모조데이터 생성하고, Discriminative model(Discriminator, D)이 모조데이.. 더보기
728x90
반응형

티스토리툴바