• 글로벌 클래스 간략하게 읽어가기
• 모각공
  • 독서
  • TIL 작성
• 샐러드 먹기
• AWS 환불 메일 작성

Kaggle competition: RSNA

• 외상성 복부 부상 판별

EDA

RSNA EDA | Understanding the Data First

캐글 업로드

train에서 Keras 모델 생성

inference에 만든 Keras 모델 업로드

Dicom 파일 읽어오기

listdir(path) 지정한 디렉토리 내의 모든 파일과 디렉토리의 리스트를 리턴

현재 train_images가 이렇게 있는데, 10004번 환자의 CT사진을 읽어오려면,

# Images Example
train_images_dir = '/kaggle/input/rsna-2023-abdominal-trauma-detection/train_images/'

patient_past = '/kaggle/input/rsna-2023-abdominal-trauma-detection/train_images/10004/21057/'
patient_recent = '/kaggle/input/rsna-2023-abdominal-trauma-detection/train_images/10004/51033/'
past_photo = listdir(patient_past)[:21] # 폴더 안에 있는 모든 파일을 리스트로 반환 / 먼저 20개만 불러오기
recent_photo = listdir(patient_recent)[:21]
print(past_photo)

---

**['1141.dcm', '377.dcm', '1089.dcm', '257.dcm', '865.dcm', '674.dcm', '240.dcm', '791.dcm', '867.dcm', '452.dcm', '1027.dcm', '553.dcm', '648.dcm', '317.dcm', '573.dcm', '1120.dcm', '839.dcm', '520.dcm', '1104.dcm', '404.dcm', '424.dcm']**

DICOM파일 불러오기

fig=plt.figure(figsize=(15, 10))
columns = 5; rows = 4
for i in range(1, columns*rows +1):
    ds = pydicom.dcmread(patient_past + past_photo[i])
    fig.add_subplot(rows, columns, i)
    plt.imshow(ds.pixel_array, cmap=plt.cm.bone)
    fig.add_subplot

Chapter 1.

Key mistakes to avoid - waste time & money

Chapter 2.

Global Class mindset

• why mindset is important?
  • Serves as a guide for planning and execution

Vision

• GCC (Global Class Companies) develop a focused vision
• “Choose as much what NOT to do as what to do”
  • Resources are often limited
• Slowly generate momentum

****Think Global Day One****

• 하루 아침에 “born global” 하는 회사라는 것은 없음
• think global day one by building all aspects of their business—product, team, culture, operations—to localize for multiple markets
• Make plans to expand
• 많은 글로벌 회사 (Uber, Slack)등이 글로벌화를 초기부터 목표로 두었음

**The “Initial” Market**

• 작은 시장에서 생성된 회사들은 글로벌 화를 초기 단계부터 고려함
  • 현재 시장에서 많은 비지니스를 할 수 없으니 세계로 나아가자!
• 반면, 미국, 중국 같이 시장이 큰 곳은 글로벌 화를 미룸
  • 지금 시장에서도 가능성이 많다
• 처음 시장을 “home market”이라고 부르지 않고 ”initial market”이라고 부르겠다
  • Home이라고 하면 localization에서 flexible 하지 않다
  • Initial market이라고 하면 → model will be localized when scaling internationally를 뜻할 수 있다
• “Best” initial market이 ”biggest” 마켓이 될 필요는 없다
  • E.g) spotify는 처음 미국에 진출하지 않고 스웨덴으로 먼저 갔음. 불법다운로드가 시장에 만연했기 때문에 free 음악 스트리밍 서비스가 번창할 수 있었다

Talent and Culture

• Talent is skills driven, not location driven
  • Sourcing talent only from their local area is limiting
• GCC는 인재를 위치와 상관없이 hire함
  • hiring people everywhere gives the advantage of global-mindedness and averts the risk of not being able to adapt when new markets and obstacles challenge the existing model.
• Global Class Companies have a truly distributed workforce in which team members of all functions can be in any region, and not always geographically colocated by function.

HQ

• new role of HQ for GCC:
  • Supoprt global scaling through implementing mechanisms
  • Dedicating resources that foster growth
  • Enable the localization process while managing complexity

Strategy

• strive to find a balance, doing things the “local way,” meaning localizing the business to fit the local market while staying true to company principles

To the Global Class, culture is a path (and linchpin), processes are tools (table stakes for creating momentum), and people are catalysts (driven through purposeful and universally resonating company culture). At its core, the Global Class mindset is about balance: balance between HQ and the local teams, balance between speed and managing complexity.

Part 3. Trailblazer 선구자

“Interpreneur” = “Inter” + “preneur”

• international + preneur to evoke the mindset of today’s business innovators

• interpreneurs

  • Entrepreneurial:
    • Agile, quick to adapt
  • Intrapreneurial
    • Requires them to navigate the complexities of an established organizations

생각나는 질문

• 내수만을 타겟으로 하는 기업들에 대한 생각?
• 우리같은 학생들(?)은 무엇을 해야할까 지금!

1. Pytorch dataset

def build_dataset():
여기서
de = (
	.map 잘 짜기!
)

나머지는 긁어와도 됨

2. Keras

Home - Keras Documentation

3. Dicom ContentTime

얘를 활용해서 CT를 어떻게 촬영 했는지 연관관계를 파악할 수 있지 않을까?

오늘은 AIbility 역량 평가가 있었다.

파이선 라이브러리 활용 능력을 검사한다길래 그동안 배웠던 넘파이, 판다스를 시험치겠군 이렇게 생각했는데 막상 시험을 치면서 느낀건데 내가 넘파이와 판다스를 정말 겉핥기 수준으로만 안다는 사실이었다. 솔직히 문제는 이해했다고 생각했는데 어떤 부분이 문제였는지 감이 잘 잡히지 않는다. Shape가 다를 때 어떤 부분을 확인해야 하는지 이런 생각전환이 빨리 빨리 되지 않았다ㅠㅠ 그래서 1시부터 4시까지 시험을 치고 4시부터 멍~한 상태로 있었다. 이제 12월까지 얼마 남지 않았는데 지금의 나는 얼마나 발전했을까 하는 생각이 많이 들었다.

당연히 4개월 전의 나와 비교하면 뭐.. EDA라는 것이 뭔지도 알고 기계학습에 대한 전반적인 내용은 배웠지만 내가 과연 누구에게 뒤쳐지지 않을 정도로 많이 배웠는지…에 대한 생각이 많이 들었다. 그래서 기초부터 차근차근 밟고 넘어가야 겠다는 생각을 다시하게 됐다.