Naver Boostcamp AI-TECH

부스트 캠프는 U-stage 그리고 P-stage로 구분되어 있다. U-stage에서는 이론적인 부분을 학습하며, P-stage는 project 레벨로 대회를 진행한다.이번 P-stage에서는 Image Classification을 주제로 진행된다. 우선 P-stage

전날은 EDA를 통한 Data Analysis를 했었다면 오늘은 Data processing부터 진행해보자pre-processing 이란 말 그대로 data를 정제하는 과정이다. 자신이 갖고 있는 Vanilla Data를 학습하게 될 모델이 좋아하는 형태의 datase

Intro 여태까지 Vanilla data에서 pre-processing 과정을 거쳐서 model에 feeding 해줄 수 있는 형태까지 Data Processing 과정을 마쳤다. 오늘은 모델에 대해 알아보자! 1. Model Design Model with

Intro 지난 포스팅에서는 모델을 설계하는 부분까지 다루어 보았다. 모델을 어떻게 디자인하고 Pretrained 모델을 사용하는데 있어서 주의할점과 어떻게 잘 활용할 수 있는지 알아보았다. 이번 포스팅에서는 잘 만들어진 데이터와 모델을 갖고 어떻게 학습해는지 알아보

이전 포스팅까지 데이터 정제에서부터 모델 학습, 그리고 평가까지 하는 단계를 순차적으로 알아보았다. 이번 포스팅에서는 이렇게 만들어진 결과물들을 굳히는 과정을 알아보자아마 우리는 여러 실험을 하면서 여러가지 모델로 여러가지 결과를 만들었을 것이다.앙상블이란 싱글 모델

이번주 목요일 19시까지 competition이 진행된다. 따라서 이번주는 따로 학습하는 내용은 없고 팀원들과의 협업이 주 과제이다. 아마 오늘 까지 base code가 완성되어서 내일부터는 지속적으로 여러가지 모델을 테스트해 볼 수 있을 것 같다. 저번주에 기본적인

어느정도 완성되었다고 생각한 팀 베이스라인 코드가 개인이 작성한 코드보다 좋은 성능을 발휘하지 못했다. 즉, 어딘가 잘못 맞춰진 부분이 있다는 것이다. 모든 팀원들이 개개인의 모델에서 사용했던 좋은 feature들을 베이스라인 코드에 붙였지만 과유불급이라고 오히려 코드

2주에 걸친 competition이 9월 2일부로 마무리 되었다. 우선 같이 고생한 팀원들에게 고맙다는 말을 하고 싶다. 팀원들 덕분에 대회에서 생각지 못한 좋은 성적으로 마무리했다. (같은 팀원은 아니지만 성적 향상에 도움을 준 캠퍼분에게도 고맙다:D)대회의 취지는

2주차부터는 팀 단위로 대회가 진행되었다. 이때부터 협업의 어려움과 협업의 이점을 느낄 수 있었다. 우선, 기본적인 베이스라인 코드를 선정하는 데에도 한차례 어려움이 있었다. 각자 코드 스타일이 달랐고 디렉토리 구조를 가져가는 방법도 달랐다. 나는 train이나 inf

Intro Why is visual perception important? 인공지능의 가장 큰 reference 사람. What is coumputer vision? CV (computer vision)은 machine visual perception을 만드는

INTRO 1. Problems with deeper layers 오늘날 뉴럴 네트워크 모델들의 layers는 더욱 깊어지고 넓어지고 있다. 깊은 네트워크 모델이 성능이 좋은 이유는 더 큰 크기의 receptive fields를 갖기 때문이다. 하지만 모델이 깊을

augmentation

Intro 1. Semantic Segmentation Sementic segmentation이란 이미지분류를 영상단위로 하는 것이 아닌 픽셀단위로 하는 것이라고 생각하면 된다. 즉 하나의 픽셀이 사람에 속하는지, 자동차에 속하는지, 동물에 속하는지 판단하는 것이다

오늘은 부스트캠프 멘토링 시간에 가졌던 주제에 대해 다뤄보려고 한다. 항상 weight initialization에 대해 많은 궁금증이 있었지만 막연하게 해당 모델에서 많이 사용되는 initialization을 쓴 것 같다. 오늘은 조금더 심도 있게 알아보도록 하자딥러

그동안 백신 부작용과 추석연휴로 인해 포스팅을 못했었다. 앞으로는 포스팅에 회고 내용보다는 기술적인 내용을 위주로 포스팅하려고 한다. 회고는 따로 페이지를 개설해서 작성할 계획이다.이번 포스팅에서는 Full Stack ML Engineer에 대해 다뤄보려고 한다. 근래

부스트캠프 level2의 p-stage가 시작되었다. 이번 대회는 object detection을 통해 쓰레기 이미지의 위치를 지정하고 분류하는 것이 목표이다. 모델의 Input에는 쓰레기 객체가 담긴 이미지와 bbox 정보(좌표, 카테고리)가 모델의 인풋으로 사용되고

그동안 정처기 실기 준비 그리고 백신 부작용으로 인해서 포스팅을 꾸준히 하지 못했다. 이번에 object detection 대회, 정처기 공부, 몸조리 여러가지가 겹치면서 정말 바쁜 3주를 보낸 것 같다. 이번 object detection을 통해 느낀점을 간략하게 적

3주간의 Semantic Segmentation 대회가 마무리되었다. 지난번 대회에 비해 리더보드의 순위는 높지 않았지만 개인적으로 이번 대회를 통해 많은 성장을 할 수 있었던 것 같다. 이전에는 순위를 올리기에 급급해 단순히 parameter들을 수정하거나 가장 무겁

우리가 흔히 아는 기존의 legacy 프로그램들은 Software 1.0을 기반으로 작성되었다. 하지만 최근 ML이 급부상하면서 Software 2.0이 등장하며 그 파이를 점점 넓혀 가고 있다. Software 1.0과 비교해보며 Software 2.0에 대해 알아보