대학원 일기

첫 대학원 일기네요. 바로 쓰지 못한 이유는 일이 더럽게 많았습니다. (이래 말하면 안되는데.. 진짜 많았어요 ㅠㅠ)예.. 시작하겠습니다!그래도 첫번째 포스팅인데, 좋은 내용들 말해야되지 않겠나요? ㅋㅋ 대학원이 나쁘지 않은.. 점들을 알려드릴게요.  사실, 요즘같이 취업 안되는 시즌엔 대학원으로 많이들 오시는데, 아무곳이나 가면 안되십니다. '월급' 상당히 중요합니다. '월급'이 곧, 그 연구실의 실력, 재력, 교수님의 능력을 의미하니깐요. 월급을 많이주면 학생들 사이도 당연히 좋지요 ㅋㅋ 연구실도 평화롭답니다.  취업 대신, 대학원도 나쁘지 않다는 걸 알려드릴게요! 단순히 제 기준입니다! 분명 저보다 더 받는 사람도 있고, 덜 받는 사람도 있을거에요.  저희 연구실은 과제를 많이해서 그런지 학생들 전..

음.. 깃 사용법보다 깃 버전관리를 먼저 올리는게 맞나 싶지만, 제 정리를 목적으로 하는거기 때문에, 먼저 정리하고 싶은 것부터 하겠습니다..! 하하 사실, 깃 사용법이나 그런 자잘한 애들은 다른 블로그나 유튭에 잘 설명되어 있어, 생략해도 되지 않을까 생각합니다 ㅎ(나중에 시간되면 깃 클론부터 풀리퀘, Merge까지 정리해보겠습니다) 제가 Git 버전 관리를 사용하기 전까지, 그냥 깃허브에 올리고 저장소 느낌으로 사용했었는데, AI에서 깃으로 버전관리를 하니 편한 것을 알아 정리해보고자 합니다! 본 포스팅에선, 깃 기본 사용법을 아는 것을 기준으로 작성하겠습니다 깃 버전관리에 대해 알려면 우선 Git의 단계를 알아야하고, 어디에서 어떻게 관리되는지를 알아야 합니다. Git의 단계는 크게 4가지 로 ..

대학 전공: 컴공대학원 전공: 의료 AI 입학한지 대충 7개월...우당탕탕 석사 과정 대학원 일기 시작합니다! (오늘 기준으로 열심히 쓸게요 ㅎ)대학원 인식보다 나름 괜찮아요.생각보다 나쁘지 않답니다? 아마?

5-1 최적화(Optimization)는 가능한 훈련 데이터에서 최고의 성능을 얻으려고 모델을 조정하는 과정이다. 일반화(Generalization)는 훈련된 모델이 이전에 본 적 없는 데이터에서 얼마나 잘 수행되는지 의미한다. 훈련 데이터의 손실이 낮아질수록 테스트 데이터의 손실도 낮아지며 이럴 때 모델이 과소적합(underfitting) 되었다고 한다. 모델의 성능이 계속 발전될 여지가 있으며 데이터에 있는 모든 관련 패턴을 아직 학습하지 못한 것이다. 훈련 데이터에서 훈련을 특정 횟수만큼 반복하고 난 후 일반화 성능이 더이상 높아지지 않으며 검증 세트의 성능이 멈추고 감소되기 시작하는데 이것을 모델이 과대적합(Overfitting) 되었다고 한다. 과대적합은 데이터에 잡음이 있거나 불확실성이 존재하..

Chapter 3. 케라스 텐서플로 소개 컴파일 단계 : 학습과정 설명(p136 내용) 모델 구조 정의 손실함수 (keras.optimizers.손실함수) 옵티마이저 (keras.losses.옵티마이저함수) 측정 지표 (keras.metrics.측정 지표) keras .compile() 아래쪽에 예시코드 적은것 잇어요 층(Layer) page 130 - 층의 구조 Page 132 안나올 것 같기는 한데... 혹시나 정방향 패스를 정의해라고 하면 여기 페이지 보시면 됩니다 def call(self,inputs) 부분 input 이랑 W 내적하고 bias를 더해주고, 선언한 acitivation있으면 activation 함수까지 거친 값을 return page 133 Sequantial로 Dense laye..

2. 신경망의 수학적 구성요소 2.1 신경망과의 첫 만남 본 장에서는 MNIST 데이터셋으로 사용하여 손글씨를 분류하는 문제를 다룹니다. 케라스에서 MNIST 데이터셋 적재하기 데이터셋 로드 from tensorflow.keras.datasets import mnist (train_images, train_labels), (test_images, test_labels) = mnist.load_data() train_images, train_labels에 훈련셋을 담고, test_images, test_labels에 테스트셋을 담습니다. mnist를 로드하면 (train 이미지, train 레이블), (test 이미지, test 레이블)로 불러옵니다. 이미지는 넘파이(numpy) 배열로 인코딩되어 있고 레..

5. 모델 저장과 콜백 학습시킨 모델을 저장하고 관리하는 것은 모델 관리, 더 나아가 MLOps(데이터 수집부터 모델 학습, 서비스 배포까지를 포함하는 시스템)의 시작점 5-2 MNIST 딥러닝 모델 예제 딥러닝을 처음 배우는 사람들이 만나게 되는 데이터셋 중 하나인 손으로 쓴 숫자들로 이루어진 이미지 데이터셋 아주 오래된 고전 데이터셋으로서 기계 학습 분야의 학습 및 테스트에 널리 사용 keras.datasets에 기본으로 포함 데이터 로드 및 전처리 MNIST 데이터셋을 로드하기 위해서 케라스의 데이터셋에 내장되어 있는 tensorflow.keras.datasets.mnist를 임포트합니다. train_test_split() 함수를 이용해 학습용 데이터인 x_train_full와 y_train_ful..

4. 딥러닝 모델 학습 4-2 손실함수(Loss function) 학습이 진행되면서 해당 과정이 얼마나 잘 되고 있는지 나타내는 지표 모델이 훈련되는 동안 최소화될 값으로 주어진 문제에 대한 성공 지표 손실 함수에 따른 결과를 통해 파라미터를 조정하며 학습이 진행 손실함수는 최적화 이론에서 최소화하고자 하는 함수로 미분 가능 함수를 사용 케라스에서 제공되는 주요 손실함수 sparse_categorical_crossentropy 클래스가 배타적인 방식으로 구분 (0,1,2,3, ... ,9) categorical_cross_entropy 클래스가 원핫 인코딩 방식으로 되어 있을 때 사용 binary_crossentropy 이진 분류를 수행할 때 사용 MAE 오차가 커져도 소실함수가 일정하게 증가 이상치에 ..