인공지능 썸네일형 리스트형 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 퇴사준비 최근에 나는 현재 다니고 있는 직장를 떠나기 위한 준비를 한다고 많이 바빴다. 그리고 그 준비가 성공적으로 끝났다! 2년전을 생각해보면, 나는 전공과 다른 커리어로 나아가는 것을 고민끝에 결정했다. 이 일이 재밌다는 경험과 잘할 수 있다는 확신과 잘해야된다는 각오로 현재 다니고 있는 직장에 입사해 우여곡절을 겪으며 2년이 흘렀다. 이 기간동안에 인공지능 비전기술을 활용한 웹서비스들을 개발해보면서 IT서비스에 필요한 인프라적인 부분 조금, 데이터관리, API 통신 등 소프트웨어 개발에 대한 전반적인 부분을 배울 수 있었던 것 같다. 개발자로서 분명 도움된 경험이었다. 다만, 인공지능에 대한 이론적, 기술적 이해도가 기대한 것보다 많이 성장하진 못한 것 같기도 하고, 인간관계에 대해 굉장히 실망적인 부분도 .. 더보기 Deep Learning Based 2D Human Pose Estimation: A Survey 용어정의 요약 딥러닝 기반 자세추정기법 Single person pipeline Multi-person pipeline 오픈데이터셋 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 포즈를 추정하는 방법은 딥러닝이 떠오르기 이전부터 컴퓨터비전분야에서 꾸준히 연구되어 오던 분야이며, 마찬가지로 딥러닝의 출현과 함께 정확도가 대폭 개선된 연구분야이다. 딥러닝 기반으로 2차원이미지에서 포즈를 추정하는 방법은 이미지 내 사람이 단수 혹은 복수인지에 따라 달라지며, 핵심은 인체 부분 중 머리, 몸체, 팔, 다리와 같은 키포인트(Keypoint)의 위치를 올바르게 추정하는 것이다. 이미지 내 사람이 한명 존재하는 경우에 Single Person Pipeline 카테고리의 연구분야에 속하며 (1).. 더보기 1. 추천시스템 개요 용어정의 콘텐츠 기반 필터링(Content based filtering) 협업 필터링(Collaborative filtering) 최근접 이웃(Nearest Neighbor) 협업 필터링 잠재요인(Latent Factor) 협업 필터링 하이브리드 협업 필터링(Hybrid filtering) 1. 용어정의 피드백 후 작성예정입니다. 2. 콘텐츠 기반 필터링(Content based filtering) 유사도 계산을 통해 특정 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천하는 방식으로, 대표적으로 코사인 유사도, 자카드 계수 등을 유사도 계산에 사용한다. 3. 협업 필터링(Collaborative filtering) 사용자가 아이템에 매긴 평점정보나 상품구매이력과 동일한 사용자의 행동양식을 .. 더보기 "머신러닝 이론" 포스팅 완료 드디어 머신러닝 이론 에 대한 글 작성이 마무리 되었습니다 ! “패턴인식과 머신러닝 (크리스토퍼 비숍 지음)”에 관한 개괄적인 내용을 추려 작성하였으며, 통계적 패턴인식부터 회귀분석과 클래스 분류, 뉴럴네트워크, 서포트 벡터 머신, 클러스터링에 대한 주제를 중심으로 기술하였습니다. 모든 내용은 제3자의 추가적인 검토없이 작성되었기 때문에 분명히 다르게 혹은 틀리게 해석된 부분이 존재할 수 있으며, 향후 점진적인 자료의 개선이 가능하도록 피드백 및 개선의 여지를 남겨두었습니다. 내용을 발췌 혹은 사용하실 때는 말씀주시고, 반드시 TO THE MOON 블로그 출처 기입 부탁드리겠습니다. 감사합니다. 더보기 코세라 머신러닝 기초수학 수료 #1 머신러닝의 선수과목인 선형대수를 다시 한번 봐볼까 하던 중에 코세라에서 제공하는 "Mathematics for Machine Learning" 전문과정을 알게되었고, 머신러닝 개념이해에 필수적인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 굵직한 세 개 강의 중에 첫번째인 선형대수에 관한 과목을 이수하였다. 이미 선형대수에 대해 대학교와 대학원에서 몇번이고 반복해서 배웠기 때문에, 복습(?)느낌으로 수업을 듣고 문제도 나름 쉽게 풀 수 있었다. 이 강좌에서 배우는 내용은 다음과 같다. 벡터공간의 .. 더보기 1-4. Decision Theory 용어정의 Decision theory 1. 용어정의 Conditional Probability : 조건부 확률, 사건 A가 발생했을 때 사건 B가 발생할 확률 Prior Probability : 관측 전에 이미 알고있는 선험적 확률 Posterior Probability : 사건 A가 이미 발생한 후, 그 사건 B 조건하에서 발생했을 확률 Normalization Factor : 복수항을 비교하기 위해 정규화 역할을 하는 인자 Joint Probability : 둘 혹은 복수의 사건(A, B, ...)이 동시에 발생할 확률 2. Decision theory Decision Theory를 설명을 위해 간단한 예로 X-Ray 영상을 통해 암 진단하는 예를 들 수 있다. 이때 입력데이터 x는 X-.. 더보기 1-2. Probabilistic Perspective of Curve Fitting 용어정의 Probabilistic perspective of curve fitting 1. 용어정의 Error Function : Curve Fitting으로 계산된 함수와 각 측정값과의 제곱오차합(SSE, the sum of squared errors) Regularization : '정규화'는 과적합 문제를 방지하기 위해서, curve fitting으로 계산된 함수계수 중 중요하지 않은 계수들을 작게 만들어서 모델에 미치는 영향을 최소화 시켜주는 방법 Likelihood Function : 우도(가능도) 함수, 어떠한 a 에 대해 b가 도출되었다면 a의 변화에 따른 b의 결과(분포)를 살펴보는 것 2. Probabilistic perspective of curve fitting 위에서 언.. 더보기 이전 1 다음
