복잡하고 까다로웠던 Tensorflow 1.x버전에 비해 2.x는 구현이 많이 쉬워졌다고 합니다. 변수 초기화, 파라미터의 차원 설정하기 등 코드가 많이 간결해졌다고 하는데요, 하지만 그 간결해진 코드 내에서 tensorflow가 어떻게 작동하는지 공부하기 위해 1.x로 실습한 내용입니다. 수업시간에 사용했던 data set은 손글씨 classification 이고, 전체 수업내용 코드는 github에 올려두었습니다. (link) 전체적인 코드의 흐름은 전처리(data normalization, target value(label)의 one-hot encoding), 모델 학습 및 테스트였습니다. 1.x 에서는 파라미터 초기화 코드 및 tf.Session(), epoch input 횟수를 직접 구현 및 실..

스택 구조는 데이터를 제한적으로 접근할 수 있는 구조, 한쪽 끝에서만 자료를 넣거나 뺄 수 있는 구조라는 점에서 큐와 유사하지만 가장 나중에 쌓은 데이터를 가장 먼저 빼낼 수 있는 데이터 구조라는 점에서 반대입니다. ctrl+z를 통해 바로 이전의 행동을 취소하는 것과 비슷합니다. 앞의 포스팅에서 언급한 것과 마찬가지로 LIFO (last-in, first-out) 데이터 관리 방식을 따릅니다. (혹은 FILO, first-in, last-out) 활용 ▶ 컴퓨터 내부의 프로세스 구조의 함수 동작 방식 → 프로그램 안의 다양한 함수들이 동작하는 방식에 쓰이는 자료구조 #재귀함수로 이해해보기 def recursive(num): if num

💁🏻‍♂️ [대회 안내] 입자 형태 분석 모델 개발 해커톤 aifactory.space https://aifactory.space/competition/detail/2067 대회 주제 :입자 검출 정보를 기반으로 입자들의 형태 변화를 계량적 지표로 산출 가능한 모델 개발 참가 대상 :인공지능을 통한 문제 해결에 관심있는 14세 이상의 내외국인 누구나 참여 가능 참가자 접수 (대회 기간 참가자 상시 모집) : 6/27 (월) ~ 8/8 (월) 대회 기간 : 7/7 (목) 8:00 ~ 8/8 (월) 18:00

가장 먼저 넣은 데이터를 가장 먼저 꺼낼 수 있는 FIFO 구조입니다. LILO 라고 하기도 하고, (last-in, last-out) 먼저 줄을 서는 사람이 먼저 입장하는 것을 떠올리면 이해가 빠를 것 같습니다. 용어 Enqueue: 큐에 데이터를 넣는 기능 Dequeue: 큐로부터 데이터를 꺼내는 기능 장점 파이썬 Queue 라이브러리에서 사용할 수 있는 class ▶Queue() : 가장 일반적인 큐 자료구조 ▶LifoQueue() : 나중에 입력된 데이터가 먼저 출력되는 구조, last-in,first-out = Stack ▶PriorityQueue() : 데이터마다 우선순위를 넣어서 우선순위가 높은 순으로 데이터 출력이 가능 일반적인 큐의 코드 예제를 다음과 같이 작성해보았습니다. queue...

3편까지 쓰게 될 줄 몰랐던 딥러닝 핵심개념 수업 정리입니다! 딥러닝의 최대 적수인 overfitting을 피하는 방법에 대해 알아보겠습니다. 1) Dropout 신경망 training을 진행하면서, dropout은 매 batch마다 레이어 단위에서 일정 비율만큼의 신경망 Neuron을 꺼뜨리는 방식입니다. 그림의 맨 아래는 input layer, 맨 위는 output 입니다. 오른쪽의 dropout을 적용한 신경망을 나타낸 그림의 첫 번째와 세 번째 레이어에서는 40% 의 dropout을 적용하였고, 두 번째 레이어에서는 60%가 적용되었습니다. 주의할 점은 test 및 inference 단계에서는 dropout 을 적용하지 않고, 전체 neuron이 살아있는 채로 진행해야 한다는 점입니다. 아래 코드..

핵심 개념 둘째날은 모델의 최적화 방법에 대해 공부했습니다. 하루하루 복습이 밀리고 있지만.. 최선을 다하는 중 3. 다층 퍼셉트론 Multi-layer perceptron Single layer perceptron을 통해서는 OR 혹은 AND 문제를 선형 함수 1개로 분류하여 풀 수 있었지만, XOR 문제는 풀 수 없었습니다. 하지만 2중 perceptron을 이용한다면 다음과 같이 구분이 가능합니다. X1 X2 and(~X1, X2) and(X1, ~X2) Y (predict) 0 0 0 0 0 0 1 1 0 1 1 0 0 1 1 1 1 0 0 0 이처럼 퍼셉트론을 모은 layer들의 다층으로 구성하면 보다 복잡한 모델이 되면서, 어려운 모델을 풀 수 있도록 발전하였습니다. 다층 퍼셉트론 또한 일종의..

22.06.23~24 이틀간 진행된 딥러닝 핵심 개념 수업 내용정리 part 1 입니다. 1. ML (machine learning) vs DL (deep learning) 아래 그림의 파란 음영으로 표시된 부분과 같이, 머신러닝과 딥러닝의 차이는 feature engineering (feature selection, feature extraction 등의 작업)을 누가 하느냐에 따라 결정됩니다. 전통적인 머신러닝 : 사람이 직접 데이터에서 중요한 점을 찾아 feature로 정해줌 딥러닝 : 신경망 내부에서 자체적으로 데이터의 중요한 feature를 찾거나 구성함 (새 컬럼 생성, 이미지/텍스트의 특징 발견 등) - 장점: 사람에 의한 선입견 혹은 주관적 의견을 배제할 수 있고, 사람이 발견하지 못한 중..

수업에서 최소 5번 본 인공지능, 머신러닝 그리고 딥러닝 간의 관계를 나타낸 그림입니다. 영문 위키피디아에서 발췌한 각 단어의 정의는 다음과 같습니다. 인공지능: 자신을 둘러싼 환경을 인식하고 그에 맞는 행동을 취함으로써 목표를 성취할 가능성을 최대화하는 장치 머신러닝 : 경험 E를 통해 주어진 T에 대해 P로 측정한 값이 향상되는 프로그램 딥러닝: 표현 학습(=feature learning)을 동반한 인공신경망을 기반으로 한 머신 러닝의 일종 오늘 수업에서는 이 정의들에 대해, 자신을 둘러싼 환경을 '데이터', 그에 맞는 행동을 '모델', 목표 성취를 '기능'으로 정리해 문제 해결을 위한 도구로 인공지능에 대한 개념을 명확히 하였습니다. 2. 모델이란 그렇다면 모델이란 무엇일까요? 인공지능이 '주어진 ..