dev-hunmin

[Day 30] Computer Vision (CV) - 1 1. 강의 복습 내용 1.1) Image Classification 더보기 Image Classification 1. Classifier (분류기) : Input이 Output(카테고리)에 속하는 지 맵핑해주는 역할 2. Classifier (분류기)의 구현 1. k-Nearest-Neighbors (k-NN) : 이 세상의 모든 데이터를 저장할 수 있다면, 영상 분류 문제는 결국 Nearest Neighbors Search 즉 검색 문제로 쉽게 취할 수 있을 것이다. - 그러나, 모든 데이터를 저장하는 것은 비현실적이며 혹여나 구축하였다 하더라도 방대한 양의 데이터베이스에서 영상들의 유사도를 계산하고 검색하는 시간도 아주 오래 걸릴 것이다. ..

[Day 26-29] 특강 1. 특강 리뷰 1) 21.03.02 화요일 실제 AI 모델을 개발하고 서비스하는 것에 있어서 많은 과정이 있고, 다양한 포지션의 인력이 필요하다. 또 그 과정 속에서 AI Modeling이 차지하고 있는 비중은 생각보다 그리 크지 않다. 게다가 급변하는 AI 분야에서 AutoML의 등장과 같이 AI Modeling의 수요는 앞으로 더더욱 낮아질 가능성이 크다. 때문에 급변하는 기술 속에서 빠르게 적응하는 능력이 필요하고, 한 가지만 잘하는 것이 아닌 AI 모델을 개발하고 서비스까지 하는 과정에서의 다양한 포지션의 능력을 소화할 수 있는 경쟁력을 갖추는 것이 중요하다. 나 역시 러닝커브가 좋은 사람이 되기 위해 노력하고, 그것을 가능하게 하려면 기본기에 더더욱 충실한 사람이 되..

NLP 전처리 과정 & 단어 임베딩 1. Introduction 자연어 데이터는 다른 데이터(Ex:이미지)와 달리 컴퓨터가 이해 할 수 있는 숫자로 변환해야만 한다. 정제되지 않은 입력 데이터와 모델을 연결시켜줄 수 있는 파이프라인 과정을 구축해야할 필요가 있다. 그렇기 때문에 NLP가 다른 데이터를 다루는 분야보다 전처리 단계에서 까다롭게 느껴지는 이유 중 하나라고 생각한다. 즉, 자연어를 모델에 입력시킬 수 있는 파이프라인을 구축하는 단계(자연어 전처리)와 모델은 자연어를 어떻게 이해 할 수 있는 지에 대해 흐름을 파악하는 것이 이 글의 목표 -> 따라서 사용되는 알고리즘이나, 모델 구조의 개념들은 생략 2. 실험에 사용 된 목표 TASK NLP Text Classification 문제 - 주어진 소..

[Day 25] GNN 1. 강의 복습 내용 1.1) GNN 기초 더보기 GNN 1. 정점 표현 학습 - 정점 표현 학습은 정점 임베딩(Node Embedding) 이라고도 한다. - 그래프의 정점들을 벡터의 표현하는 것이 목적 (그래프에서의 정점간 유사도를 임베딩 공간에서도 보존) - 앞에서 알아본 인접성/거리/경로/중첩/임의보행 기반 접근법은 모두 변환식 방법 - 변환식(Transdctive) 방법은 학습의 결과로 정점의 임베딩 자체를 얻음 - 귀납식(Inductive) 방법은 정점을 임베딩으로 변화시키는 함수, 즉 인코더를 얻는다. - 대표적인 귀납식 임베딩 방법에는 그래프 신경망(Graph Neural Network)가 있다. 1.1) 변환식 방법의 한계 - 학습이 진행된 이후에 추가된 정점에 대..

[Day 24] 정점 표현 & 추천 시스템 (심화) 1. 강의 복습 내용 1.1) 정점 표현 더보기 정점 표현 1. 정점 표현 학습 1.1) 정점 표현 학습이란? - 그래프의 정점들을 벡터의 형태로 표현하는 것 - 정점 표현 학습은 정점 임베딩(Node Embedding)이라고도 부름 - 정점 임베딩은 벡터 형태의 표현 그 자체를 의미 - 정점이 표현되는 벡터 공간을 임베딩 공간이라고 부른다. - 정점 표현 학습의 입력은 그래프 - 주어진 그래프의 각 정점 u에 대한 임베딩, 즉 벡터 표현z_{u}가 정점 임베딩의 출력 1.2) 정점 표현 학습의 이유 - 정점 임베딩의 결과로, 벡터 형태의 데이터를 위한 도구들을 그래프에도 적용할 수 있다. - 많은 기계학습 도구들은 벡터 형태로 표현된 사례(Instan..

[Day 23] 군집 탐색 & 추천시스템 1 1. 강의 복습 내용 1.1) 군집 탐색 더보기 군집 탐색 1. 군집 1.1) 군집의 정의 군집이란 다음의 조건들을 만족하는 정점들의 집합 (1) 집합에 속하는 정점 사이에는 많은 간선이 존재 (2) 집합에 속하는 정점과 그렇지 않은 정점 사이에는 적은 수의 간선이 존재 1.2) 군집 탐색 문제 그래프를 여러 군집으로 '잘' 나누는 문제를 군집 탐색(Community Detection) 문제라고 한다. 보통은 각 정점이 한 개의 군집에 속하도록 군집을 나눈다. 비지도 기계학습 문제인 클러스터링(Clustering)과 상당히 유사함 2. 군집 구조의 통계적 유의성과 군집성 2.1) 비교대상: 배치 모형 성공적인 군집 탐색을 정의하기 위해 먼저 배치 모형(Conf..

[Day 22] 페이지랭크 & 전파 모델 1. 강의 복습 내용 1.1) 페이지랭크 더보기 페이지랭크 1. 페이지랭크 1.1) 웹과 그래프 웹은 웹페이지와 하이퍼링크로 구성된 거대한 방향성이 있는 그래프로 표현 가능 웹페이지 = 정점(Vertex, Node) 하이퍼링크 = 해당 웹페이지에서 나가는 간선(Edge) 웹페이지는 추가적으로 Keyword 정보를 담고 있다. 1.2) 구글 이전의 검색 엔진 - 첫번째 시도 웹을 거대한 디렉토리로 정리 및 표현 그러나, 웹페이지가 많아질수록 디렉토리도 깊어지고 양을 감당할 수 없게 됨 또한 카테고리 구분이 모호한 경우가 많아 저장과 검색의 어려움 - 두번째 시도 사용자가 입력한 키워드에 대해, 해당 키워드를 여러번 포함한 웹페이지를 반환 그러나, 악의적인 웹페이지에..

[Day 21] 그래프 이론 기초 & 그래프 패턴 1. 강의 복습 내용 더보기 그래프 이론 기초 & 그래프 패턴 1. 그래프 Overview 1) 그래프 (Graph) - 그래프(Graph)는 네트워크(Network)라고도 불림 - 그래프(Graph)는 정점 집합과 간선 집합으로 이루어진 수학적 구조 - 하나의 간선은 두 개의 정점을 연결 - 모든 정점 쌍이 반드시 간선으로 직접 연결되는 것은 아님 - 정점(Vertex) = 노드(Node) - 간선 = 엣지(Edge) = 링크(Link) - 그래프는 복잡계를 표현하고 분석하기에 용이한 일종의 언어 *) 위와 같이 복잡계는 구성 요소들 간의 상호작용으로 이루어진다. - 상호작용을 표현하기 위한 수단으로 그래프가 용이, 널리 사용된다. - 따라서 복잡계를 ..