코딩뚠뚠

머신러닝 입문자들의 필수코스라고 할 수 있는 앤드류 응 님의 강의를 번역해놓은 아래 브런치를 참고하여 공부하고 핵심내용만 정리해보고자 한다. 원문 출처 : brunch.co.kr/@linecard/447 앤드류 응의 머신러닝 (2-6):경사 하강법 이해 온라인 강의 플랫폼 코세라의 창립자인 앤드류 응 (Andrew Ng) 교수는 인공지능 업계의 거장입니다. 그가 스탠퍼드 대학에서 머신 러닝 입문자에게 한 강의를 그대로 코세라 온라인 강의 (Coursera.org brunch.co.kr Optimization 즉 최적화 기법 중 Gradient Descent (경사하강법) 이다. 이를 다시 세분화하여 BGD(Batch Gradient descent), SGD(Stochastic Gradient Descen..

최근 docker를 쓸 일이 생겼다. 이전에는 anaconda로 충분히 쓰고있다고 생각했는데 팀원이 docker를 쓰면 훨씬 편하다고 하길래.. 써봤는데 신세계다! 역시 신문물은 괜히 고집부리지 말고 한번 경험해봐야 하는것 같다. (당연히 단점도 있다고는 한다 ㅎㅎ) docker 의 사전적 의미 : 부두(항만) 노동자 우리가 쓰는 docker는? : 이 친구가 docker의 로고이다. 도커는 컨테이너 기술을 쉽게 사용할 수 있게 하는 오픈소스 프로젝트이다. 도커는 소프트웨어를 패키징하는데 '컨테이너' 라는 표준화된 유닛으로 패키징한다. 여기에는 라이브러리, 시스템도구 등 소프트웨어 실행에 필요한 모든 것들이 미리 포함되어있다. 좀더 직관적으로 설명해보자면.. 예를들어 당신의 컴퓨터에서 pytorch를 사..

아침에 매일 늦잠을 잔다.. 출근할 수 있는 마지노선에 겨우 일어나고 있는 것 같다 ㅎㅎ 올해 겨울에는 눈이 많이 내리는데 덕분에 출근하기가 더힘들다. 그래도 운동이라곤 출퇴근 걷기운동밖에 안하기 때문에 걸어서 출근한다! 출근후에 에트리 전경이다~!~! (나무때매 안보인다) 저기 멀리 보이는 파란건물도 에트리 건물이고 이 건물 앞뒤로는 운동장이있다. 이렇게 캠퍼스가 있는 회사를 다니고 싶다는 생각이 든다. 여긴 사내 카페인데 내가 알기론 두군데가 있다. 그중 하나! 원래는 앉아서 수다도 떨수있는 그런 카페인데 코로나때문에 의자를 다 치워버리셨다 ㅠ 다음에 지원하실 인턴분들이나 입사하시는 분들은 카페 쇼파를 누리시길 바래요.. 여긴 사실 에트리는 아니고 한국타이어 테크노돔? 이라고 한다. 신성동에서 가까운..

영상의 산술연산: 덧셈 뺄셈 평균 차이 와 같은 연산이 있으며 이러한 연산을 통해서 새로운 영상을 만들거나 화질의 향상을 노릴 수 있다. 1. 덧셈연산 두 영상의 같은 위치에 있는 픽셀들을 더해서 새로운 영상을 만들어 내는 것이다. 영상1의 픽셀값이 100, 영상2의 픽셀값이 100 이면 새로운 영상의 픽셀값은 200으로 밝아질 것이다. 만약 255가 넘는다면 255로 값을 고정한다. ROI 덧셈연산에서 중요한 것은 mask 로 관심영역을 추출하는 것이다. 영상1이 있고 영상2는 반은 검정색(0) 반은 흰색(255) 라고 해보자. 이 둘을 합쳤을 때는 어떤 영상이 도출되게 될까? 영상2의 검정색영역에만 영상1이 남게 될것이다. 이와같이 덧셈연산으로 관심영역을 추출할 수 있다. 2. 뺄셈연산 두 영상의 같..

프로세스 동기화란 : 여러 프로세스가 공유하는 자원의 일관성을 유지하는 것 여러 프로세스가 동시에 한 자원에 접근하려 할때 이 프로세스들의 순서를 정의해주어 일관성을 유지해야 한다. 용어 : Critical Section : 동일한 자원에 동시에 접근하는 작업을 실행하는 코드 영역 Critical Section Problem : 프로세스들이 Critical Section 을 같이 사용할 수 있는 프로토콜을 설계하는 것 해결을 위해 필요한 조건들 - Mutual Exclusion (상호 배제) 1번 프로세스가 Critical Section에서 실행중이라면 다른 프로세스들은 Critical Section에서 실행될 수 없다. - Progress (진행) Critical Section 에서 실행중인 프로세스가..

풀이일시 : 2021-01-24 문제 : 스타트링크가 "스타트 택시"라는 이름의 택시 사업을 시작했다. 스타트 택시는 특이하게도 손님을 도착지로 데려다줄 때마다 연료가 충전되고, 연료가 바닥나면 그 날의 업무가 끝난다. 택시 기사 최백준은 오늘 M명의 승객을 태우는 것이 목표이다. 백준이 활동할 영역은 N×N 크기의 격자로 나타낼 수 있고, 각 칸은 비어 있거나 벽이 놓여 있다. 택시가 빈칸에 있을 때, 상하좌우로 인접한 빈칸 중 하나로 이동할 수 있다. 알고리즘 경력이 많은 백준은 특정 위치로 이동할 때 항상 최단경로로만 이동한다. M명의 승객은 빈칸 중 하나에 서 있으며, 다른 빈칸 중 하나로 이동하려고 한다. 여러 승객이 같이 탑승하는 경우는 없다. 따라서 백준은 한 승객을 태워 목적지로 이동시키는..

이전 포스팅에서 히스토그램 분석에 대해 알아봤다. 이제는 영상의 히스토그램을 파악하고 영상의 히스토그램을 전 구간에 골고루 나타나게 변환하는 방법에 대해 알아본다. 1. 히스토그램 스트레칭 영상의 히스토그램이 그레이스케일 전 구간에서 골고루 나타나도록 변경하는 선형 변환기법이다. 히스토그램을 잡아 늘여서 전 구간에 히스토그램이 나타나도록 변환한다. -> 전체적으로 포진하게 되면 명암비가 높아지게 된다. 2. 히스토그램 평활화 히스토그램 스트레칭이 선형으로 늘여줬다면 히스토그램 평활화는 히스토그램의 누적분포 특성에 의해서 변경시킨다. 이또한 명암비를 맞추기 위한 방법이다. 방법은 다음과같다. 새로운 히스토그램 값 = N[이전 히스토그램값] *255 (N : 정규화된 누적 히스토그램) - 누적 히스토그램이란..

히스토그램 : 영상의 특징을 분석하는 방법 중 하나이다. 영상 내에서 각 그레이스케일 값에 해당하는 픽셀의 개수를 함수의 형태로 나타낸 것이다. 입력과 출력 : 그래프에서 x축의 가장 왼쪽은 그레이스케일 0에 해당하고 오른쪽은 255에 해당한다. 이 영상에서는 검정색 부분이 가장 많은 것을 알 수 있다. 활용 : 히스토그램 분석을 통해 명암비와 밝기를 조절할 수 있을것이다. 밝은 영상의 경우 히스토그램이 오른쪽으로 치우쳐져 있을 것이고 어두운 영상은 반대일 것이다. 명암비가 낮다면 히스토그램이 일정 구역에 몰려서 나타나며 명암비가 높다면 골고루 퍼져있을 것이다. 이후 포스팅에서 히스토그램 평활화를 알아보자