코딩뚠뚠

포스코 포스텍에서 제공하는 청년 AI-BigData 아카데미 과정의 온라인 예습 과정 중 하나인 데이터 과학에 대한 강의를 듣고 정리한 포스팅이다. pabi.smartlearn.io/ 청년 AI·Big Data 아카데미 온라인 기초과정 (MOOC) 취업 준비생 누구나 POSTECH과 POSCO가 제공하는 무료 온라인 교육 과정에 참여할 수 있습니다. pabi.smartlearn.io 이전 강의 SVM에 이어 이번 강의에서는 의사결정나무와 랜덤포레스트에 대해 배웠다. 이또한 머신러닝 기법중 하나로 이를 배우게 된다면 KNN, 판별분석, SVM, 의사결정나무, 랜덤포레스트 총 다섯가지의 기법을 배우게 된다. 의사결정나무 1 기계학습 중 하나로 의사결정 규칙을 나무형태로 분류해나가는 분석기법 특징 분석과과정이..

포스코 포스텍에서 제공하는 청년 AI-BigData 아카데미 과정의 온라인 예습 과정 중 하나인 데이터 과학에 대한 강의를 듣고 정리한 포스팅이다. pabi.smartlearn.io/ 청년 AI·Big Data 아카데미 온라인 기초과정 (MOOC) 취업 준비생 누구나 POSTECH과 POSCO가 제공하는 무료 온라인 교육 과정에 참여할 수 있습니다. pabi.smartlearn.io 이전강의까지 KNN 과 판별분석 방법에 대해 알아볼 수 있었다. 이번강의에서는 서포트 벡터머신에 대해 알아본다. 서포트벡터머신 SVM은 가장 많이 들어본 머신러닝 기법중 하나이다. 딥러닝이 활개치고 있는 가운데 굳건한 SVM 은 뭘까 궁금했었는데 들을 기회가 되어 주의깊게 수강했다. 서포트벡터머신 서포트벡터머신은 classi..

포스코 포스텍에서 제공하는 청년 AI-BigData 아카데미 과정의 온라인 예습 과정 중 하나인 데이터 과학에 대한 강의를 듣고 정리한 포스팅이다. pabi.smartlearn.io/ 청년 AI·Big Data 아카데미 온라인 기초과정 (MOOC) 취업 준비생 누구나 POSTECH과 POSCO가 제공하는 무료 온라인 교육 과정에 참여할 수 있습니다. pabi.smartlearn.io 저번강의에 이어 이번에는 training 의 기법에 대해 알아보려고 한다. 목차는 다음과 같다. k-인접기법과 판별분석 k-인접기법1 k-인접기법2 판별분석1 판별분석2 K-인접기법1 이전시간 우리는 Iris 데이터를 분류하고 있었다. 학습표본을가지고 분류규칙을 만들어야 한다. K-인접기법이란 영어로 하면 K-nearest ..

포스코 포스텍에서 제공하는 청년 AI-BigData 아카데미 과정의 온라인 예습 과정 중 하나인 데이터 과학에 대한 강의를 듣고 정리한 포스팅이다. pabi.smartlearn.io/ 청년 AI·Big Data 아카데미 온라인 기초과정 (MOOC) 취업 준비생 누구나 POSTECH과 POSCO가 제공하는 무료 온라인 교육 과정에 참여할 수 있습니다. pabi.smartlearn.io 1강 데이터마이닝 기초 데이터마이닝과 예측 - 다중회기분석1 데이터마이닝과 예측 - 다중회기분석2 데이터마이닝과 분류 - 분류규칙과 과적합 데이터마이닝과 분류 - 학습데이터와 검증데이터 데이터마이닝과 예측 - 다중회기분석 1 데이터마이닝 기법중 예측 은 주어진 데이터를 기반으로 모델을 만든 후 y값을 예측한다. 적용기법으로는..

이전 포스팅에서는 2021년 인턴에서 사용한 GNN에 대해 포스팅했다. 이번엔 2019년 인턴에서 U-Net을 사용한 것에 대해 다시 알아보는 포스팅을 할 것이다. U-Net U-Net은 이미지 분할을 목적으로 제안된 End to End 방식의 Fully Convolutional Network 기반 모델이다. 네트워크 구성의 형태가 U 모양이여서 U-Net 이라는이름이 붙여졌다. 레이어를 나열해보면 다음과 같은 형태를 보인다. U-Net은 1) 이미지의 context 정보를 얻기위한 네트워크와 2) Localization 을 위한 네트워크가 대칭형태로 구성되어 있다. 1) 이미지의 context 정보를 얻기위한 네트워크 즉 encoding 과정을 Contracting Path 라고 부른다. Fully C..

인턴에서 GNN을 이용한 Situation Recognition을 수행하며 Graph Neural Network 야 말로 진정한 AI가 아닐까? 라는 생각이 들어 관심이 생겼다. 아래는 GNN을 이용한 상황인식을 하는데 참고한 논문 링크이다. openaccess.thecvf.com/content_ICCV_2017/papers/Li_Situation_Recognition_With_ICCV_2017_paper.pdf 아래는 공부하기 전 지금까지 내가 이해한 GNN의 기초 개념이다. 1. 그래프는 고정된 형태가 아니고 유클리드 좌표계에 나타내기 어려워 직관적인 해석이 어렵다는 단점을 가지고 있지만 2. 관계나 상호작용을 나타낼 수 있어 이의 특성을 이용한다면 사회 관계망을 분석하거나 바이러스의 확산 같은 추상..

이전포스팅에서 GNN 에서의 graph embedding 이란, 그 이유, 인코더의 종류 , similarity function에 대해서 알아보았다. dbstndi6316.tistory.com/248 [머신러닝 공부] 딥러닝/GNN - 1 인턴에서 GNN을 이용한 Situation Recognition을 수행하며 Graph Neural Network 야 말로 진정한 AI가 아닐까? 라는 생각이 들어 관심이 생겼다. 아래는 GNN을 이용한 상황인식을 하는데 참고한 논문 링크이다. dbstndi6316.tistory.com 이번에는 중요한 Random Walk Optimization 부터 다시 시작해보고자 한다. Random Walk Optimization graph domain에서 feature learn..

Graph 에서의 Representation learning representation learning : 표현학습 으로 쉽게 말하면 딥러닝 그 자체이다. 복잡한 데이터의 구조를 layer화 한다. Graph 에서의 representation learning 은 우리가 알고있는 딥러닝 layer 와 다르게 동작할까? ''같은 의미로 동작한다'' graph의 node를 function을 통해 Latent space(embedding space)로 embedding 할 수 있다. graph의 embedding을 통해 다양한 임무를 효과적으로 수행할 수 있다. 그래프를 왜 Embedding 할까? graph는 node로 이루어져있고 각 노드는 인접한 node가 있다. 그 정보들로 인접행렬 (Adjacency ..