일오갓생 - 初心 찾기 7일차

안녕하세요!

디듀버거를 운영하고 있는 디듀입니다!!

오늘은 조금 색다르게 여러분께 조금 진중하게 인사를 드리려고 해요!

왜냐면 오늘은 일오갓생을 시작한지 일주일을 맞이했기 때문이지요!!!

지난 일오갓생 컨텐츠를 다시 한번 봤는데요...!!

재미있긴 재미있더라구요 ^^ (내가 썼지만, 잘 썼다!!!)

그런데 제 일오갓생을 다시보니까 "중국어 공부"가 뜬금없이 끼워져 있어서 띠용? 하실 수도 있겠다는 생각을 했어요.

사실 다른 분들의 블로그나 포스팅을 보면, 헬스케어와 직접적으로 연결된 전공자분들이 자신의 전공과 지금 배우는 내용을 자연스럽게 엮어 경험을 풀어내는 경우가 있더라구요.

그래서인지 저는 제 스스로가 헬스케어에 있어서 강점을 가지고 있는 사람이 아닌 것 같다... 라는 생각이 들더라구요...

저는 단순히 운동을 좋아하고, 스포츠를 좋아하다 보니
자연스럽게 건강에도 관심을 갖게 되었고, 즐기면서 일할 수 있을 것 같다는 마음으로 이 분야에 참여하게 되었거든요.

그래서 어젯밤에는 그 생각 때문에 잠도 조금 설쳤습니다…ㅎㅎ

그러다 문득
중국 교환학생 시절과 전공 수업들이 떠오르더라구요.

2019년, 중국 교환학생 시절에 처음 느꼈던 건
중국의 IT기술이 이미 생활 속 깊숙이 들어와 있다는 점이었어요.당시 중국에서는 QR 스캔 기반의 모바일 간편결제가 이미 보편화돼 있어서 오히려 현금을 거의 쓰지 않는 분위기였거든요.

그때 한국은 아직 모바일 간편결제가 대중화되기 전이라
저는 중국의 결제 방식이 오히려 불편하게 느껴지기도 했지만, 한편으로는 제가 알고 있던, 외부적으로 알려진 중국의 이미지와는 전혀 다른 기술력을 직접 체감하게 된 경험이었습니다.

그래서 자연스럽게 중국을
"韬光养晦" (자신의 능력·야심을 드러내지 않고 숨기며 때를 기다린다) 한 국가라는 인식을 갖게 되었던 것 같아요.

(훗~ 무려 A+ 받았던 과목)

이후 2023년에 〈중국 사회와 시장분석〉이라는 전공 수업을 들으면서 중국 시장의 특성과 현재 중국이 집중하고 있는 기술과 문화에 대해 배우게 되었는데요.

그 과정에서 중국의 의료 시스템, 우주과학 기술,
그리고 마윈의 AI 칩 등등 다양한 사실들을 접하면서
다시 한 번 중국의 기술력에 대해 실감하게 되었습니다.

현재 당장 눈에 보이는 성과나 헬스케어와의 직접적인 연결이 아니더라도, 언젠가는 이 언어가 중국이라는 거대한 시장과 현장을 이해할 수 있는 문이 되어줄 수 있지 않을까 생각하게 되었어요.

지금은 뜬금없어 보일지라도, 포기하지 않고 韬光养晦의 마음으로 중국어와 중국관련 AI기술 공부를 계속 붙잡아보려 합니다.

아앗... 너무 글이 길었나요? ㅎㅎ

그래서! 오늘 여러분과 나눌 중국어 공부는...!!!

제가 23년;; 시절, 발표를 했어야 했던 중국의 의료 시스템에 대한 지식을 알려드리려고 해요!!! (내일도 다른 정보 나눔할게요^^)

(신기하게 제가 발표했던 날도 23년 9월 25일
우리 캠프 시작한 날도 25년 9월 25일;;; 소름)

중국의 의료 시스템

(입벌려 중국시장 들어간다)

중국의 의료 시스템은 9단계로 나누어져 있어요!

그걸 병원등급제도 [医院等级制度] 라고 부르는데요!

등급 (3개) * 단계 (3개) = 9개

[등급]
一级 (1급) 기초 의료 동네 병원
二级 (2급) 지역 의료 중형 종합병원
三级 (3급) 최고 의료 대형 상급종합병원

[단계]
각 등급에도 (A) / 乙(B) / 丙(C)로 또 세분화되어 있습니다.

즉, 三级甲等(3급 갑등)이 최고 등급입니다!

• 三级甲等(3급 갑등)은 국가에서 인정하는 가장 좋은 병원이자, 최상급의 장비 임상 데이터를 보유하고 있으며, 의대 교수·박사급 의사가 상비하고 있습니다.

• 二级医院 (2급 병원)은 시·구 단위 종합병원이라고 보시면 되는데요. 일반적인 입원과 수술 가능합니다.

• 一级医院 (1급 병원)은 동네 진료소, 보건소로 보시면 됩니다. 감기, 만성질환 관리를 주로 하며, 예방·기초 진료를 제공합니다.

이렇게 보면 되게 체계적인 것 같죠? ㅎㅎ

그러나 중국 병원 등급제(특히 三级甲等 중심 구조) 때문에 빈부격차로 따른 불평등이 뚜렷하게 나타납니다.

한국도 비슷하지 않냐고요?

그 3등급 병원(한국으로 치면 유명 대학병원)에 갈 수 있는 가능성에서부터 비교할 수 없다고 보실 수 있는데요.

우리는 대학병원 못 가면 예약 오래 기다리거나, 유명 교수에게 진료를 받지 못하지만, 지방 병원에서도 암 치료, 수술, 응급 처치 대체로 가능합니다.

그러나 중국은 위급한 사람이 3급 갑등 병원 못 가면?

1,2등급 병원을 방문해야 하는데, 괜찮은 의사에게 치료받지 못할 뿐더러...
장비와 데이터, 전문의의 부족으로 인해 정확한 판단이 어려워서 치료가 어려워지게 됩니다.

뿐만 아니라, 병원이 없는 게 아니라, ‘쓸 수 없는 병원’이 계속 양산되는 겁니다.

결국 이런 어려움들로 인해, 중국은 의료연합체(医联体)을 실행하게 되는데요!

의료연합체란 상급병원이 지역 병원 묶어서 관리하는 것을 말합니다.

상급병원은 하급병원에게

1) 진료 기준(프로토콜) 제공

2) 의사·간호·재활 교육

3) 원격 자문

4) 중증 판단 기준 제시 등을 제공하여서

"쓸모 있는 병원"으로 만드는 것이라고 생각하면 됩니다.

뿐만 아니라, 요즘은 원격의료(远程医疗) + AI 판독을 통해서 큰 땅덩어리의 이동 문제도 해결해 가고 있다고 합니다.

어떤 기술들로 원격의료를 하고 있는지도! 한번 같이 탐구해 보시죠!

내일은 중국의 온라인 약국에 대한 지식을 나누려고 합니다 ㅎㅎ

기대해줘요~

[오늘 디듀가 배운 단어]

1) 韬光养晦 (tāo guāng yǎng huì) :자신의 재능이나 명성을 밖으로 드러내지 않고, 조용히 실력을 키우며 때를 기다린다는 뜻

2) 远程医疗 (yuǎnchéng yīliáo) : 원격의료

3) 卫生院 (wèishēngyuàn) : 보건소

4) 数据 (shùjù) : 데이터

복근 운동

오늘은 이걸 해봤어요~!
선생님... 몸이 너무 미치셨네....?

ㅎㅎ

참깨가 등장해서 첨단과학이 동원되었습니다~!
귀여운 참깨보고 가세요!~
오늘은 참깨가 귀여워요.
👆🏻

규호조교님. 조만간에 15분 풀영상 올리겠습니다.
올리고 나서 저 모르는 척만 안하시면 되겟습니다.

데이콘

[단순 선형 회귀 모델 구현] 코드를 같이 공부해 보시죠!

오늘 저랑 같이 하나 하나씩 뜯어 봅시다!

1️⃣

: 기본적으로 세팅을 해줘야 합니다!
(토치와 파라미터를 최적화해 주는 "옴티마이저"를 불러옵니다)

2️⃣

x_train = torch.tensor([[1], [2], [3]], dtype=torch.float)
y_train = torch.tensor([[3], [6], [9]], dtype=torch.float)

입력 x_train : 1, 2, 3

정답 y_train : 3, 6, 9 이라고 생각하시면 됩니다.

즉, 정답 관계는 y = 3x

3️⃣

W = torch.zeros(1, requires_grad=True)
b = torch.zeros(1, requires_grad=True)

축구에서 공평하게 가운데에 공을 두고, 시작하는 것처럼
W(가중치)와 b(편향)을 "0"으로 셋팅해 줍니다!

여기서 괄호안에 있는 "1" 은 "텐서 안에 들어 있는 원소의 개수"

즉, tensor([0.])을 의미합니다!

"requires_grad=True" 는 “학습하면서 고칠 대상이다” 라고 표현하는 것이죠!

4️⃣
optimizer = optim.SGD([W, b], lr=0.01)

옵티마이져 = “W, b를 어떻게 고칠지 정하는 규칙”

그래서 SGD 방식을 이용해 W, b를 한 번에 0.01만큼씩 고치겠음을 의미합니다

5️⃣ 반복학습
epochs = 1000
for epoch in range(epochs):

예측 -> 손실 계산 → 가중치를 한 번 업데이트하는 과정 (1 ephochs) * 1000번을 하겠다고 미리 포고!!!

6️⃣ 순전파 (예측)
pred = x_train * W + b

예측값 (입력값) * 가중치 + 편향을 해줍니다

7️⃣ 손실 계산
looss = torch.mean((pred - y_train) ** 2)

예측값 pred와 정답 y_train의 차이 계산 후(얼마나 틀렸는지)를 먼저 값을 내고, 그 값을 제곱해서 평균냄 (MSE)

이 값이 작아질수록 모델이 잘 맞고 있다는 뜻입니다!

-> 즉, 이 값을 통해 우리가 어느 방향으로 가중치(W)와 편향(b)을 수정해야 하는지를 알 수 있습니다!!!

8️⃣ 기울기 초기화
optimizer.zero_grad()

epoch를 하면 W, b가 얼마나, 어느 방향으로 바뀌어야 하는지에 대한 결과는 W.grad과 b.grad에 담기는데요!!!

이전 epoch에서 계산된 W.grad, b.grad 제거를 해야지...!
깨끗한 도화지에 그림을 그릴 수 있겠죠?

즉 이번 epoch의 기울기만 계산하기 위해 이전 epoch의 W.grad, b.grad를 제거해 줍니다!

-> optimizer.zero_grad() 는 지우개라고 생각해주면 좋을 것 같아요!

9️⃣ 역전파
loss.backward()

loss.backward()가 실행되면 7️⃣번에서 계산한 손실을 기준으로,W, b가 얼마나, 어느 방향으로 바뀌어야 하는지 계산해줍니다!

결과는 자동으로 W.grad, b.grad에 저장되고요!

즉, 어느 쪽으로 가야 하는지 알려주는 네비게이션

🔟 파라미터 업데이트
optimizer.step()

방금 계산한 기울기(.grad)를 사용해 W, b를 실제로 수정해서 실행

optimizer.step()는 그쪽으로 실제로 한 발 움직이는 차!라고 생각하시면 좋습니다!

1️⃣1️⃣ 중간 결과 출력
if (epoch + 1) % 100 == 0:
print(f'Epoch [{epoch+1}/{epochs}], W: {W.item():.3f}, b: {b.item():.3f}, Loss: {loss.item():.4f}')

이건 너무 어렵죠? 맞아요... 어렵지만....?

100번마다 W 값과 b 값, loss 값 학습이 잘 되고 있는지 print()
해주는 구문이라고 생각하면 됩니다!!!
(^^저도 못외웠어요^^)

1️⃣2️⃣ 테스트 입력
test_x = torch.tensor([[10]], dtype=torch.float)

1000번 업데이트된 걸, 한번 써봐야 하지 않겠어요?
(마치 대장장이가 망치로 1000번 뚜들긴 칼이 얼마나 잘 만들어졌는지
무를 썰어보듯!)

학습에 쓰지 않은 새로운 값 x = 10을 넣어보겠다는 뜻입니다!

1️⃣3️⃣ 예측 모드 on!
with torch.no_grad():

그리고 이건 "no_grad()" 순수 예측 전용을 사용하겠다고 포고!

1️⃣4️⃣ 예측 모델 장착!
pred_y = test_x * W + b

1000번의 업뎃끝의 맛보는 예측값 = 천번 업뎃된거 * 가중치 + 편향

1️⃣4️⃣ 계산출력
print("훈련 후 입력이 10일 때의 예측값:",
pred_y.item())

(item())은 텐서를 숫자로 변환하겠다는 뜻입니다!

오늘 데이콘은 끝~!!!!

오늘의 TMI 시간~

디듀의 MBTI

솔직히 데이콘도 저 혼자 공부한 거 대충쓰면 되거든요?
진짜 30분 공부하고, 정리만 하면 되거든요?

근데 저는!! 나는!!! 진짜 내 벨로그 봐주는 사람들이 제 글을 보고

AI와 관련된 어려운 개념들을 조금이나마, 즐겁고... 쉽게 이해했으면 좋겠다는 마음으로... 정말 머리를 짜내면서
, 불필요한 짤을 넣어가면서 만들고 있어요... 제 마음 알죠?

그러니까 우리... 비전공자이지만, 열심히해서...꼭 필드에서 만납시다!!!

힘든 일이나, 고민 있으면 함께 나눠요~~!!

난 언제나 준비완료!!

오늘도 하루 잘 버텨낸 모두들!! 수고했다!!!