경험정리
CNN 실습
VS CODE 파이썬 재설치
세션 복기
CNN 세션
ImageNet 보다는 MS COCO가 사용하기에 더 무난무난하다
최종 프로젝트에도 이거 활용하기
둘이 어떻게 다른지 gpt한테 검색
Pascal VOV~CIFAR(사이파)는 추가적으로 한번 훑어보는 용
이미지넷 말고는 ~~넷이면 다 컴퓨터 비전임
우리는 YOLO 8을 쓸거임
다크넷 -> 프레임 워크의 이름
학습(train)과 추론(inference)하는 시간은 다르다
학습할 때는 시간이 많이 걸렸었음
object detection -> 추론시간 짧아야 함!
왜? 늦으면, 차가 사람을 치고나서 알림을 주는 경우가 생길수도...
경량화에 관심이 생긴다면 NOTA라는 회사 찾아보기
평가지표 아무거나 쓰지마셈
생각을 해서 전략을 짜야함
이 평가지표를 왜, 어떤 목적으로 사용하는지에 대한 근거가 있어야 함
토스 영상 다시 보기
roboflow 라벨링을 편리하게 해주는 사이트
ReadMe 잘 쓴 거 참고해서 내 프로젝트를 설명하기
추론(inference)이 뭔지 찾아보기
코랩 링크 실행해보기
VS code로 로컬 캠으로 라벨링 되는 거 직접해보기
의료 MRI - 유넷, 루닛 돈많이 준다고 함 관련 회사 찾아보기
뷰노
이 분야 관련으로 더 찾아보기
자소서 특강
JD에서 말하는 커뮤니케이션은 문서 커뮤니케이션을 말하는 거임
운영지원 자체가 문서 작성/정리하고 대시보드 만들어주는 거임
내가 가려고 하는 산업에서 짱짱한 회사에 대한 건 그냥 다 알고 있어야 함
내가 그 내용을 정리해서 윗사람들한테 줄 수 있는 사람이어야 함
대기업 가고 싶으면 정량/정성/정석적인 문서 정리가 가능한 사람이어야 함
포장하고 싶은 마음을 버리고
언제 어디서 뭘 왜 했는지, 무얼 참고했는지 등이 논리적인 흐름으로 튀지 않게 읽혀야 함.
간결, 명료하고 머릿속에 그려지는, 상상이 가능한 글이어야 함
면접에서 떨어진 건 자기 확신이 떨어지는 부분이 있을 수 있음
경험을 기반으로 컨셉을 잡아야 함
전문 지식보다 업무 역할과 업무 범위를 이해하는 게 중요함
전혀 이 분야와 관련없는 사람이 봐도 이해할 수 있게 글을 작성해야함
형식에 맞춰서 적고, 나만 생각할 수 있는 아이디어에 대한 한문장만 추가하면 눈에 띄는 자소서가 되는거임
24년 데이터 분석가 신입 포트폴리오 적극 참고
어떤 툴을 썼는지 정리해놓은 부분도 좋다
젤 처음에는 짧게 적고 그 다음줄에 좀 더 상세하게 작성
어떤 일을 하는 회사고, 회사가 어떤 부서가 있고, 어떤 걸 해서 성과를 냈고 이런 걸 다 알고 있어야함
https://www.youtube.com/watch?si=LqF0f-ouyuq7MiKm&v=7eJIiF9qbQU&feature=youtu.be
https://youtu.be/KX7hvyJ6U8s?si=ws22Bt1uwJlmZ_sX
https://blog.naver.com/semispec/223352750100
입사 후 포부 -> 충성도를 보겠다
얼마나 성장할 건지, 와서 뭘 어떻게 하고 싶은지
5년 계획을 구체적으로 생각해서 적기
경험정리
일부 경험들 적어보았음. 근데 글이 좀 많은가 싶기도....
내배캠 팀플 경험 적어야 하고, 경험별로 키워드 선정도 해야함
CNN 관련해서 추가적으로 찾아보기
제약 관련 - 알약 계수
Ultralytics YOLO11 사용한 알약 검출에 대해 자세히 알아보기
관련해서 알약 탐지하는 코드 튜토리얼이 있길래 따라해봄
https://colab.research.google.com/drive/1kuWZ1zraU_JCEnfeeGQvVIC7LByIqzh1#scrollTo=Ay3bjxGDL0Jo
의료 관련 - 의료 분야에서의 YOLOv8 활용
앵커 박스 = 이미지의 각 위치에 미리 정의된 여러 크기와 비율의 바운딩 박스
(닻으로 고정되어 있다고 생각하면 될 듯)
헬스케어 분야에서 AI의 역할
왜 YOLOv8일까?
모델 구분,특징,의료 현장에서의 평가
YOLOv5 - 가볍고 빠름, 정확도가 최신 수술 요구치에 못 미칠 수 있음
YOLOv8 - 속도 + 정확도 최적화, 실시간(Real-time) 추론 성능과 정확도의 정점
YOLOv11 - 더 높은 파라미터 효율, 아직 최적화 라이브러리(TensorRT 등) 호환성 검증 단계
정확하고 어느정도 검증된 모델이기 때문에~
