Hello World!

혼공학습단을 10기부터 참여해서 어느덧 5번째 활동이었습니다! 대학교 2학년 여름방학에 시작한 활동이었는데 벌써 4학년 여름방학을 맞이하다니 시간이 참 빠른 것 같습니다. 다음 학기에 딥러닝 관련 수업을 들을 예정이라 책을 선택해서 6주동안 공부했습니다. 6주동안의 커리큘럼을 마쳤지만, 책을 완전히 1회독 했다는 생각은 들지 않아서 천천히 다시 한 번 읽어보는 시간을 가지려고 합니다. 다들 수고 많으셨습니다!

📝 기본 숙제Ch.04(04-2) KerasNLP 또는 허깅페이스 BERT 모델로 영화 리뷰 감성 분석 후 결과 캡처하기아래 내용 정리에서 확인하실 수 있습니다! 📘 추가 숙제Ch.04(04-2) 감성 분석에 사용된 토큰화 과정 살펴보고 입력과 출력 비교해 보기🔍 토큰화가 일어나는 코드prep_data = classifier.preprocessor(feature)🔍 토큰화 입력 : 원래 문장의 앞 100글자 출력print(feature.numpy()[:100]) 🔍 토큰화 출력 : 토큰 ID 출력print(len(prep_data['token_ids']), prep_data['token_ids'][:10])prep_data['token_ids'][-10:] 🔍 토큰화 출력 : 토큰 ID ➡️ ..

📝 기본 숙제Ch.03(03-3) 사전 훈련 모델로 피스타치오 품종 이미지 분류 실습 후 결과 캡처하기 📘 추가 숙제Ch.03(03-3) 허깅페이스 모델로 동일한 작업을 진행하고 결과 비교하기(p.183~)사전 훈련된 모델과 비교했을 때는 결과가 비슷하다. (잘 예측하지 못함)전이 학습된 모델과 비교했을 때는 전이 학습된 모델이 훨씬 더 잘 예측하는 것을 확인할 수 있다. 🗂️ 내용 정리Chap03-3 전이 학습으로 피스타치오 이미지 분류하기2. 허깅페이스로 강아지 사진 분류하기 3. 전이 학습으로 피스타치오 품종 분류하기1) 전이 학습 (transfer learning)- 사전 훈련된 신경망의 대부분은 그대로 두고 최상위 일부 층만 다시 훈련하여 새로운 문제에 적응시키는 방법 2) 사전 훈련..

📝 기본 숙제Ch.03(03-1, 03-2) MobileNet 또는 EfficientNet으로 이미지 분류하고 예측 결과 화면 캡처하기 📘 추가 숙제Ch.03(03-3) 텐서플로 허브에서 모델을 불러오는 코드와 실행 결과 설명하기import tf_keras as kerasfrom tf_keras import layersimport tensorflow_hub as hubhub_efficientb0 = keras.Sequential([ layers.Input(shape=(224, 224, 3)), layers.Rescaling(1.0 / 255.0), hub.KerasLayer("https://www.kaggle.com/models/tensorflow/efficientnet/framewo..

📝 기본 숙제Ch.02(02-2) VGGNet 또는 ResNet으로 고양이/강아지 이미지 분류하고 결과 화면 캡처하기 📘 추가 숙제Ch.02 (02-1, 02-2, 02-3) AlexNet, VGGNet, ResNet 중 하나를 골라 모델 구조를 그림 또는 표로 정리하기VGGNet을 그려보았습니다🎨 🗂️ 내용 정리Chap02-1 이미지 분류 CNN 모델 만들기1. 이미지넷 대회에서 우승한 최초의 CNN 모델 - AlexNet- 비정형 데이터 : 구조가 사전에 정의되지 않은 데이터 ➡️ 딥러닝 이용- AlexNet이미지 원본 픽셀을 그대로 사용하면서 성능면에서 뛰어남.LeNet-5 모델보다 많은 층을 사용한다.LeNet-5에서 사용한 활성화함수인 시그모이드 함수 대신 LeRu 함수를 사용한다. ➡️..

📝 기본 숙제Ch.01(01-3) LeNet으로 Fashion MNIST 분류 실습 후 예측 결과 화면 캡처하기📘 추가 숙제예측이 틀린 이미지를 골라 "왜 틀렸을까?" 추측해 보기옷의 생김새가 유사하거나 이미지 품질이 낮아서 모델이 구분할만한 특징을 제대로 학습+이용하지 못하는 경우가 있었을 것 같다. 🗂️ 내용 정리Chap01-3 패션 상품 이미지 분류하기1. LeNet 모델 만들기(1) 활성화 함수 : 시그모이드, relu (2) LeNet-5 모델 만들기 2. LeNet 모델 훈련하기(1) 위에서 만든 모델 구조 확인하기flatten 다음에 오는 세 개의 밀집층은 분류층이라고도 함. (2) 훈련 데이터 준비하기- 패션 MNIST 데이터셋 : 옷, 신발 등의 패션 아이템 이미지를 포함(3) 모델..

📝 기본 숙제Ch.01(01-1, 01-2) 구글 코랩에 텐서플로/케라스 설치하고, LeNet 모델 구조 그림으로 그려보기 📘 추가 숙제convolutional, Pooling, Dense 레이어의 기능 각각 설명하기(p.49)- 합성곱층 (convolutional layer)이미지의 작은 부분을 스캔하여 중요한 특성을 추출- 풀링층 (pooling layer)합성곱층에서 추출된 특성맵을 축소해 처리 속도를 높이고, 모델이 더 중요한 패턴에 집중하도록 만듦- 밀집층 (dense layer)이전 층에서 추출된 특성을 바탕으로 최종 결과를 도출 🗂️ 내용 정리Chap01-1 딥러닝 개발 환경 구축하기1. 코랩으로 실습 준비하기2. 텐서플로와 케라스2.1 텐서플로- 신경망 모델을 만들 수 있는 전문 ..

📜기본 숙제 : Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기 Q1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요?A1. 1010;100 * 100 + 10 Q2. 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이전 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?A2. sigmoid;출력층의 뉴런의 한 개이고 선형 방정식의 결과를 확률로 변경하기 위해 sigmoid 를 이용 Q3. 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서드는 무엇인가요?A3. compile(); loss 매개변수로 손실함수를 지정하고, metrics 매..

📜기본 숙제 : k-평균 알고리즘 작동 방식 설명하기 1️⃣ 무작위로 k개의 클러스터 중심을 정한다.2️⃣ 각 샘플에서 가장 가까운 클러스터 중심을 찾아 해당 클러스터의 샘플로 지정한다.3️⃣ 클러스터에 속한 샘플의 평균값으로 클러스터 중심을 변경한다.4️⃣ 클러스터 중심에 변화가 없을 때까지 2번으로 돌아가 반복한다. 📜 추가 숙제 : Ch.06(06-3) 확인 문제 풀고, 풀이 과정 정리하기 Q1. 특성이 20개인 대량의 데이터셋이 있습니다. 이 데이터셋에서 찾을 수 있는 주성분의 개수는 몇 개일까요?A1. 20 ;특성의 개수만큼 주성분을 찾을 수 있다. Q2. 샘플 개수가 1000개이고 특성 개수는 100개인 데이터셋이 있습니다. 즉 이 데이터셋의 크기는 (1000, 100)입니다. 이 데이터를..

📜기본 숙제 : 교차 검증을 그림으로 설명하기   📜 추가 숙제 : Ch.05(05-3) 앙상블 모델 손코딩 코랩 화면 인증하기 아래 내용 정리에서 확인하실 수 있습니다.   🔖  Chap05. 트리 알고리즘 5.1 결정 트리1) 로지스틱 회귀로 와인 분류하기 - 설명하기 쉬운 모델과 어려운 모델 2) 결정 트리 - 트리의 높이를 제한하고, 어떤 특성으로 나뉘는지 정보 추가- 불순도결정 트리 모델은 부모 노드와 자식 노드의 불순도 차이가 최대한 크도록 트리를 성장시킴지니 불순도 = 1 - (음성 클래스 비율2 + 양성 클래스 비율2)정보 이득 :  부모와 자식 노드 사이의 불순도 차이엔트로피 불순도 : -음성 클래스 비율 * log2(음성 클래스 비율) - 양성 클래스 비율 * log2(양성 클래스..