공부법에 관한 모든 것

Vision의 정의 : 시각으로 보이는 이미지 등을 숫자(tensor, RGB)로 시각화 Computer Vision : vision 데이터들에서 의미있는 정보를 추출하고 이를 이해하여 작업을 수행하는 것. 단계 - Low Level (image processing) o) Resize : 주위의 pixel들만을 고려하여 resize 작업 o) Color Jitter : 각 필셀들의 RGB 변경 (독립적이기 때문에 L-LV에 속함.) o) Edge Dectection : 주위 pixel 값이 바뀌면 edge로 간주. - Mid Level o) panorama stitching : 이미지 합치기 (대응점을 찾아야되서 Lv Up) o) Muti-view Stereo : 여러 각도의 2D -> 3D / 질감 구..

딥러닝 모델 학습법에 대해서 알아보자. 인공지능의 작동 원리. 입력값(x,y)을 특정 모델에 넣으면 예측값이 나온다. 이때 model에는 입력값에 가중치를 곱해주는 파라미터가 존재한다. 이후 예측값과 정답 값과의 오차를 loss function을 통해 구한다. loss 값을 기반으로 모델의 파라미터를 loss를 줄여주는 방향으로 업데이트한다. 인공뉴런 딥러닝은 인공 뉴런을 통해 학습을 한다. 그림은 입력 데이터를 model에 넣어주는 과정을 세분화한 그림이다. 입력된 값들에 가중치(파라미터의 일종)를 곱하고 bias(파라미터)를 더한 값을 activation_ function에 넣어준다. activation_function은 종류가 다양한데 여기선 WX + b의 값이 Theta보다 크면 1을 출력하고 작..

-벡터화란 햄버거들의 영양성분이 적힌 Table이 있다고 가정하자. 이때 특정 버거와 영양 성분이 비슷한 버거를 찾으려고 한다. 어떻게 하면 될까? 우선 '영양성분이 비슷하다'라는 문장에서 어떤 영양 성분이 비슷해야된다는 말일까. 칼슘 함량이 유사한 게 나트륨 함량이 유사한 것보다 더 우선되서 고려해야될 상황일 수 있다. 즉 영양 성분들 간의 위계가 존재한다. 이런 식의 사고는 domain 지식이 없으며 불가능하다. 아무튼 그렇게 3가지 요소가 유사성을 측정하는데 가장 중요한 요소라는 결론에 도달했다고 치자. 그러면 그 세개의 팩터를 (A,B,C)로 묶어줄 수 있고 햄버거_a를 (A,B,C)로 치환할 수 있다. 이를 벡터화라고 한다. 햄버거_a가 수학적으로 치환되었기 때문에 이제는 Distance Fun..

데이터 프레임을 다루는 훌륭한 툴인 Pandas의 기초적인 사용법을 배웠다. 우선 판다스 데이터 프레임 객체는 다음과 같은 방식으로 만들수 있다. # 12x4 행렬에 1부터 36까지의 숫자를 원소를 가지고, index는 0부터 시작하고, coulmns은 순서대로 X1, X2, X3, X4로 하는 DataFrame 생성 np.random.seed() df = pd.DataFrame(data=np.random.randn(10, 3), columns=['X1', 'X2', 'X3'], index=pd.date_range('2024-01-01', '2024-01-10')) df 설정값으로부터 유추할 수 있듯이 df.index를 출력하면 2024-01-01 ~ 2024-01-10까지 나온다. df.coulmns를..