Upstage AI 3기

업스테이지 AI 3기가 시작되었다. 많은 기대와 각오를 가지고 시작한 일이다. 우선 프로그래밍 현업을 떠난지 오래이고, 파이썬보다는 공학적 프로그램인 포트란,C,C++에 익숙한 편이라.파이썬도 예전에 쓰긴 써봤지만 능숙하진 않지만, 워낙 라이브러리가 훌륭한 언어라 열심

김인섭 강사님의 강의로 파이썬 기초에 대해서 정리숫자형 (Number) print("Name : " + name +", Age: " + str(age)) print("Name : {}, Age: {}".format(name, age)) print(

사전학습 간단한 명령어 vim 사용법 git README.md : # ProjectName, ## Prerequisites, ## How to start, ## Installation, ## Features, ## Run Tests, ## Credi

통계 Orientation 기술통계 : Descriptive Statistics 통계란 여러가지 현상에 대해서 수리적으로 정리,분서,예측하는 작업 , 기술통계란 수집된 자료를 분석하는 것 도수분포표 : 빈도를 나타내는 빈도표 직관적으로 인식되는 형태가 아니라 일일이

< numpy array의 특징 >1\. 모든 원소의 dtype이 같다.2\. 연산의 의미가 조금 다르다. (broadcasting)3\. 대용량 array인 경우에 for문을 직접 사용하는 것보다 내부적으로 정의된 연산을 사용하는게 더 빠르다.4\. 생성 후에

자료구조 시간복잡도 : bigO 메모리구조 List queue FIFO (First In, First Out) stack LIFO (Last In, First Out)텍스트 dictionary(hashtable) graph 비선형 자료 구조 : 추상화 방향/무

인공지능 > 머신러닝 > 딥러닝(하위개념)머신러닝 : 데이터 기반 규칙 도출(학습)을 통한 자동화/최적화딥러닝 : 인간의 뇌를 모방한 뉴럴 네트워크를 통한 모델 학습/자동화/최적화 Input -> Black Box -> Output지도/비지도 학습지도(Supervi

: 코드 레벨 설명: device 설정시 mac 용에 최적화된 mps 사용Max Pooling이나 Average Pooling은 고정된 커널 크기와 스트라이드를 사용하여 입력 텐서의 크기를 줄이면서 계산daptive Pooling은 출력 텐서의 크기를 미리 정의하고,

정형/비정형 데이터수치형/범주형 변수결측치 : 삭제(목록/열) / 대체(Imputation:통계값/회귀)이상치(Outlier) : 삭제/대체/변환(Transformation)상황적/집단적Z-SCoreIQR (Inter Quartile Range)Log/squre연속형

이번 아파트 가격 예측(Regression) 경진대회에서 팀과 개인의 주요 학습 목표는 다음과 같았습니다. 팀의 목표는 서울 아파트 실거래가를 가장 정확하게 예측할 수 있는 모델을 개발하는 것이었습니다. 이를 위해 우리는 최신 데이터 분석 및 머신러닝 기법을 활용하고,

이번 경진대회는 컴퓨터 비전 도메인에서 가장 중요한 태스크 중 하나인 이미지 분류 대회로, 문서 타입 분류를 목표로 하였습니다. 이 대회에서는 17개 종류의 문서를 분류하는 모델을 구축해야 했으며, 총 1570장의 학습 이미지와 3140장의 평가 이미지를 사용했습니다.

컴퓨터 비전 학습 블로그

최근 몇 년간 자연어 처리(NLP) 분야는 대규모 언어 모델(Large Language Models, LLM)의 등장으로 혁명적인 변화를 겪고 있습니다. 전통적인 언어 모델에서 현대의 LLM까지의 발전 과정을 학습하고, LLM이 가져온 변화와 미래 전망에 대해 알아봅니

Data-Centric AI는 모델 개선보다 데이터 품질 향상에 초점을 맞춘 접근 방식기존의 Model-Centric AI가 동일한 데이터셋으로 모델 아키텍처를 개선하는 데 집중했다면, Data-Centric AI는 모델은 고정한 채 데이터의 품질과 다양성을 개선하는