나만의 n면체 주사위 위젯 만들기
좋았던 점
처음 잘 이해가 았갔던 class나 상속, 오버라이드에 대해서 정리해서 공부 할 수 있었던게 만족스러웠다.
아쉬운점
아직도 아래같은 파이썬 documnetation을 읽으면 생소한 개념이 너무 많아서 잘 이해가 안된다. 더 읽어보고 공부해야할 것 같습니다.
파이썬 3버전 function documentation
딥러닝 for 컴퓨터비전 뉴런네트워크
놀라웠던 점
Space Warping을 통해서 비선형적이었던 것을 선형적으로 변경
h = ReLU(WX) = max(0,Wx)를 통해서 비선형이었던 x1,x2를 선형으로 분리된 h1,h2으로 쉽게 분리해낸것이 대단했습니다. 이 부분 발표를 맡으신 팀원분께서 정말 설명을 쉽게 잘 해주셔서 더 잘 이해를 할 수 있었습니다.
나랑 닮은 연예인은 누구?
face Recogntion 라이브러리를 통해 얼굴 임베딩 벡터를 추철하고, 벡터의 거리를 여러 척도를 통해 연산해보면서 익혔다. 그후 FaceNet 모델에서 사용한 L2 Normalization과 Triplet Loss에 대해 이해하고 제 사진과 연예인 사진을 통해 임베딩 벡트를 비교히 유사도를 측정할 수 있었습니다.
Triplet loss를 사용한 FaceNet 방법을 제시한 Florian Schrof교수님의 논문
Triplet은 쉽게 설명하자면 A의 사진을 한 장 가지고 있을 때 positve로 A의 또 다른 사진을 설정하고 negative로 다른사람 B의 사진을 가져와 총 3장의 사진으로 같은사람 A의 사진은 가깝게, 다른 사람 B의 사진은 멀게 학습시키는 방법이라고 보시면 될 것 같습니다. 주로 얼굴이미지에서 이런식의 학습을 많이 시킨다고 합니다.
Andrew Ng 교수님이 설명해주는 Triplet Loss 영상
임베딩 벡터를 차원축소시킨다면 사람들의 얼굴이 어느정도 멀고 가까운지 시각화 가능한데
0은 트럼프 대통령 1 바이든 대동령 2는 클린턴 대통령 3는 오바마 대통령 4는 레이건 대통령 5는 부시 대통령. 각 대통령의 얼굴에서 임베딩 벡터를 계한하고 T-SNE을 통해 2차원으로 시각해 보았다.
포켓몬 데이터를 통해 EDA 체험
평이했던 수업이었다.
파이썬 알고리즘 인터뷰 8장 연결리스트
처음 연결 리스트 개념에 대해 잘 알지못해서 너무 고생을 했습니다. 연결리스트 개념을 잘 몰라서 문제의 답을 보고도 잘 이해가 안되었습니다. 그만큼 자료구조에 대해 더 공부하고 알고리즘 문제를 풀어야겠습니다.
연결리스트의 무한루프를 쉽게 이해가도록 조언해줘서 저도 이해할수있게 만들어주신 팀원님께 너무 감합니다.
음원 데이터로 추천시스템 만들기
개인적으로 좀 난해하다고 느꼈다.
추천시스템에 필요한 개념
계산, 효율성을 위한 행렬 처리기법
모델을 학습시키기 위한 기법
이 3가지를 한번에 다루려다 보니 다소 설명이 구체적이지 않다고 느껴졌다.
그래도 실생활에서 잘 활용할 수 있는 추천 데이터에 대해서 설명해준것이 좋았다.
비지도학습
비지도학습은 이미 알고 있던 내용이라 복습하는 차원에서 공부할 수 있었습니다.
가볍게 시작하는 통계학습 스터디
제가 스터디 파수꾼을 맡게된 스터디. 사람이 잘 오지않을까봐 걱정했는데 예상을 뒤엎고 12명이나 되는 분들이 와주셔서 너무 감사했습니다.
첫주는 스터디원분들이 준비할 시간이 부족해서 제가 강의하는 식으로 스터디를 진행했습니다.
확실히 강의식으로 하기엔 한주 분량이 많아 제가 준비한 내용을 다 발표하지못해서
분량을 조절해야할까? 라는 생각이 들기도했지만, 좀 더 얕고 넓게 배우고 싶은 팀원분들도 계셔서 다음주 월요일에 한번 더 진행해보고 결정해야할 것같습니다.
