Deep Learning
1.Graph Neural Network - (1)
어떤 장점이 있을까?
2.Graph Neural Network - (2)
앞선 글에서 뭔가를 설명했는데, GNNs은 어떤 장점을 갖고, 언제 쓰는걸까?무엇이 GNNs을 특별하게 만드는 걸까?입력의 구조가 명시적인 이웃에 의해 결정된다. 이는 데이터를 이미지와 같이 격자점 구조로 만들지 않아도 되며, RNNs에서 쓰는 것처럼 시간 순으로 늘어
3.Graph Neural Network - (3)
앞선 글들에서 GNNs의 소개를 했다. 그러면 구체적으로 어떤 종류의 모델이 있고 어떤 특징이 있는지 살펴보자.<img src="https://www.programmersought.com/images/454/beca74e46cf249edac4973ba7e
4.Image Augmentation
Image(Data) Augmentation은 왜 하는걸까?원본 이미지(데이터)를 조작하여 원본과는 크고 작은 변화를 가진 이미지를 만드는 것을 말한다.우리는 머신러닝 학습의 Overfitting 문제를 알고 있다. 이를 해결하기 위해 Regularization이라는
5.Graph Convolutional Networks (GCN)
본 글은 Semi-Supervised Classification with Graph Convolutional Network 논문을 바탕으로 설명하는 글입니다.Graph Convolutional NetworksGraph Neural Networks의 장점은 앞선 글에서
6.GraphSAGE
GraphSAGE... 이름이 뭔가 멋있다. 이 논문을 통해 멋있는 이름만큼이나 멋있는 Inductive Graph Learning을 이해할 수 있을 것이다큰 그래프에서의 저차원 node embeddings은 아주 다양한 분야에서 활용되고 있다. 하지만 대다수의 emb
7.데이터셋 품질
원문은 [https://venturebeat.com/2021/03/28/mit-study-finds-systematic-labeling-errors-in-popular-ai-benchmark-datasets/]