profile
바쁘게 부지런하게 논리적으로 살자!!!

seq2seq 모델에 대한 이해

참고문헌은 다음과 같다.참고1참고2참고3이번 글은 RNN(Recurrent Neural Network)에 대해 이미 알고 있다는 가정하에 썼습니다. 따라서 RNN의 개념을 잘 모르면 이것부터 먼저 이해하고 읽기 바란다.NLP(Natural Language Process

5일 전
·
0개의 댓글
·

Tensorflow로 모델을 만드는 3가지 방법

참고 자료는 다음과 같다.여기1여기2Keras 및 TensorFlow 2.0은 자체 신경망 아키텍처를 구현하는 세 가지 방법을 제공한다.Sequential APIFunctional APISubclassing APIImgur배경Tensorflow는 처음부터 딥러닝 플랫폼

5일 전
·
0개의 댓글
·

Window Dataset 정리

Window Dataset은 Tensorflow의 Dataset에서 sliding window기법을 적용한 것으로 시계열 데이터(Time series Data)를 처리하는데 적합하다.이 문서를 작성하는데 참고자료는 다음과 같다.참고1참고2참고3참고4window data

7일 전
·
0개의 댓글
·

텍스트 전처리 : 토큰화

참고1참고2컴퓨터가 인간의 언어를 처리하는 분야인 자연어 처리(NLP:Natural Language Processing)에서 컴퓨터가 풀고자 하는 문제의 용도에 맞게 텍스트를 사전에 처리하는 작업을 텍스트 전처리(Text Preprocessing)라고 한다.텍스트 전처

2022년 7월 8일
·
0개의 댓글
·

UNet의 이해

참고1참고2이미지 세그멘테이션(image segmentation)은 이미지의 모든 픽셀이 어떤 카테고리(예를 들면 자동차, 사람, 도로 등)에 속하는지 분류하는 것을 말한다.이미지 전체에 대해 단일 카테고리를 예측하는 이미지 분류(image classification)

2022년 6월 26일
·
0개의 댓글
·

이미지 세그멘테이션(Image Segmentation)

참고1참고2참고3Neural Network를 이용한 이미지 처리에는 다음과 같이 분류할 수 있다. 다음 그림을 예제로 들어 이미지 처리의 종류를 알기 쉽게 설명하였다.Imgur1) Image Classification : 사진의 이미지 객체가 어떤 것인지 구분하는 것(

2022년 6월 26일
·
0개의 댓글
·

AutoEncoder의 이해

참고1참고2비지도 학습(unsupervised learning) 인공지능입력 데이터를 가공하여 목표값을 출력하는 방식이 아니라서 목표값(label 정보)이 없는 데이터 특성을 분석하거나 추출하는 용도로 사용된다.(대표적인 예로 이미지 노이즈 제거, 이상 탐지 등이 있다

2022년 6월 24일
·
0개의 댓글
·

Keras Model

1. Keras 모델이란 무엇인가? Keras는 Theano와 Tensorflow 기반의 딥러닝용 고차원 라이브러리이다. Python 언어로 쓰여 광범위한 딥러닝 모델을 깔끔하고 편리하게 제작할 수 있다. Keras는 신경망 개발 및 테스트에 관한 한 가장 애용되는 고

2022년 6월 11일
·
0개의 댓글
·

Gradient Boost의 이해

본 글은 여기를 참조하였다. 참조한 블로그의 설명은 최초 유튜브 동영상 강좌인 여기를 베이스로 하여 작성되었다.그러나 참고 자료는 데이터만 차용했을 뿐 본 글 내용의 대부분은 Gradient Boost를 직접 구현하여 그 중간 과정의 결과들을 취합하여 설명을 붙인 것으

2022년 5월 19일
·
0개의 댓글
·

Machine Learning 분석 절차

Kaggle, Google BigQuery, 기타 big data 공개된 곳으로부터 분석할 데이터를 가져온다.Kaggle의 경우는 회원 가입하고 kaggle package를 설치한 다음 kaggle API key를 받아와야 한다.Google BigQuery는 Googl

2022년 4월 5일
·
0개의 댓글
·

[실습] 쇼핑몰 고객 주문 데이터 분석

현업에서 데이터가 주어졌을 때, 이 데이터를 가공하고 분석해서 목표 달성을 위한 의사 결정에 도움이 되는 다양한 정보들을 찾아낼 수가 있다.본 문서는 이러한 정보를 찾기 위해서 처음부터 어떻게 하면 되는지 쇼핑몰 고객 주문 데이터를 예로 들어 설명한다.쇼핑몰 고객 주문

2022년 3월 18일
·
0개의 댓글
·

DenseNet의 이해

참고1참고2본 내용은 DenseNet으로 잘 알려져 있는 CNN architecture를 다룬 “Densely Connected Convolutional Networks”의 훌륭한 논문을 바탕으로 정리한 것이다.2017년 CVPR Best Paper Award를 받았으

2022년 3월 2일
·
0개의 댓글
·

CNN의 Bottleneck에 대한 이해

참고대표적으로 ResNet에서 Bottleneck를 사용하는데 ResNet의 Bottleneck 구조를 가지고 설명하겠다.ImgurResNet에서 왼쪽은 BottleNeck 구조를 사용하지 않았고, 오른쪽은 BottleNeck 구조를 사용했다.BottleNeck을 설명

2022년 3월 2일
·
0개의 댓글
·

ResNet의 이해

참고1 참고2 참고3 1. 동기(Motivation) 2015년 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 우승을 차지한 ResNet에 대해서 소개하려고 한다. ResNet은 마이크로소프트에서 개발한 알

2022년 2월 28일
·
0개의 댓글
·

Gated Recurrent Unit(GRU)의 이해

GRU(Gated Recurrent Unit) 셀은 2014년에 K. Cho(조경현) 등에 의해 논문에서 제안된 LSTM 셀의 간소화된 버전이라고 할 수 있다.주요 특징은,1) LSTM의 cell state가 없고 hidden state가 cell state의 역할까지

2022년 2월 24일
·
0개의 댓글
·

Long Short-Term Memory(LSTM)

참고1참고2이 글은 Vanilla RNN에서 기울기 소실 문제(vanishing gradient problem)를 해결한 LSTM(Long Short-Term Memory)을 이해하기 위해 정리한 것이다.인간은 모든 생각을 밑바닥부터 시작하지 않는다. 지금 이 글을 읽

2022년 2월 23일
·
0개의 댓글
·

VGG-Net의 이해

VGGNet은 옥스포드 대학의 연구팀 VGG에 의해 개발된 모델로써, 2014년 이미지넷 이미지 인식 대회에서 준우승을 한 모델이다. 여기서 말하는 VGGNet은 16개 또는 19개의 층으로 구성된 모델을 의미한다(VGG16, VGG19로 불림).역사적으로 봤을 때 V

2022년 2월 22일
·
0개의 댓글
·

AlexNet의 이해

참고AlexNet은 2012년에 개최된 ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 대회의 우승을 차지한 컨볼루션 신경망(CNN) 구조이다. CNN의 부흥에 아주 큰 역할을 한 구조라고 말할 수 있다. Alex

2022년 2월 21일
·
0개의 댓글
·

LeNet-5의 이해

참고 1. LeNet-5란 무엇인가? LeNet는 이미지 분류용 CNN 중에 조상격으로 CNN초기에 CNN의 기본 구조를 잘 정립하였다. LeNet의 다양한 버전들(LeNet-1, LeNet-2,...)이 있으나 최종 버전은 LeNet-5이다. LeNet은 CNN을 처

2022년 2월 21일
·
0개의 댓글
·

영상(Image)의 합성곱(Convolution)의 이해

참조DNN (Deep Neural Network)는 주로 1차원 형태의 데이터를 사용한다. 따라서 그림이나 이미지와 같은 2차원 형태의 데이터를 사용할 때는 1차원 형태로 flatten시켜야 한다. (완전 연결 계층, fully connected layer)Imgurf

2022년 2월 21일
·
0개의 댓글
·