들어가며최종 프로젝트를 본격적으로 진행하기 앞서서 강신철 교수님께서 프로젝트 준비 전 필요한 소양을 교육해주셨다. 그 중 가장 기억에 남았던 건 효과적인 발표요령과 ppt작성 요령이었다. 최종 프로젝트의 마지막 바통을 쥐고 있는 발표자에게 필요한 소양은 어떤 것인지 되새겨보자. 효과적인 발표요령원고나 노트를 절대로 읽지 말 것지금까지 발표를 해보면서 느낀 것은 대본을 보면서 하면 청중의 상태를 살피기 어렵고, 대본대로 잘 말해야한다는 강박감이 있다는 것이다. 따라서 대본을 작성하되 그 흐름을 완벽하게 이해하고 키워드 중심으로 내용을 상기시켜가면서 하는 것이 좋다고 생각한다.원고 외워서 발표하지 말고 내용을 충분히 이해하고 자기 말로 설명할 것외운 것을 또 그대로 말하려고 하기 보단 발표 상황과 흐름에 맞..

들어가며오늘은 데이터라벨링과 관련한 교육이 있는 날이다. 용어 자체는 많이 들어봤지만 정확한 의미는 모르고 있었기 때문에 이번 기회를 통해서 데이터라벨링의 의의를 알아가보자.유클리드소프트 데이터 라벨링에 대한 교육을 받기 전, 박주한 대표님께서 유클리드소프트가 걸어온 길을 소개해주셨다. 분야 별 직원 수도 함께 알려주셨는데 역시 IT기업답게 80명중 52명이 기술엔지니어로 종사하고 계셨다. 또한 대표님께서 덧붙여 말씀하시길 최근 들어 기획분야의 채용도 적잖게 늘어났다고 하셨다.데이터 엔지니어15명프론트엔드/백엔드/풀스택33명AI / DATA 분석가8명  아키텍처 활용의 중요성도 강조하셨다. elastic, k8s, docker 등 개발자를 준비하는 사람이라면 한번씩은 들어봤을 법한 툴인데, 이러한 아키텍..

들어가며인공지능 마지막 교육이자, 부트캠프에서 진행하는 마지막 수업이다. 최종 프로젝트에서 배운 것을 최대한 활용하기 위해 마지막까지 최선을 다해보자.NLP(Natural Language Processing)자연어 처리는 머신러닝을 사용하여 텍스트의 구조와 의미를 파악한다. 자연어 처리는 텍스트, 음성 데이터를 완벽하고 효율적으로 분석하는데 중요하다.  BERT(Bidirectional Encoder Representations from Transform)구글의 Devlin이 제안한 BERT는 사전 학습된 대용량의 unabled 데이터를 이용해서 언어 모델을 학습하고 이를 바탕으로 특정 작업을 위한 신경망을 추가하는 전이 학습 방법이다. 대용량의 데이터를 직접 학습시키기 위해서는 매우 많은 자원과 시간이..

들어가며AI수업이 오늘을 포함해서 이제 2번 밖에 남지 않았다. NVIDIA 엠버서더이신 교수님께서 NVIDIA 공인교육 과정 중 하나인 딥러닝 기초에 대해 수업을 해주실텐데 어떤 내용이 있었는지 복기해보자. 실습 환경JupyterLab에서 진행이 되고, GPU메모리를 지워야하는 경우에는 아래 코드를 실행함으로써 모두 지워준다.import IPythonapp = IPython.Application.instance()app.kernel.do_shutdown(True) MNIST 데이터 세트로 이미지 분류 먼저 MNIST를 위한 Keras 데이터 세트를 로드해 보자. 그리고 훈련 데이터와 검증 데이터로 나누어 각각 할당해준다.from tensorflow.keras.datasets import mnist# t..

들어가며미니프로젝트 발표가 이뤄지는 날이다. 주제선정에 많은 시간을 투자해서 시간이 부족했는데 그만큼 조원들 모두 치열하게 준비한 것 같다. 우여곡절 끝에 완성한 프로젝트가 어떤 모습인지 자세하게 알아보자. 졸음 운전 방지 알림 서비스이미지 창을 띄우는 함수이다. 학습 이미지와 훈련 이미지들이 어떻게 구성이 되어 있는지 확인하는 용도로 사용된다.import cv2import numpy as npfrom matplotlib import pyplot as pltimport keras# 이미지 그래프 그리는 함수def plot_images(n_row:int, n_col:int, image:list[np.array]) -> None: fig = plt.figure() (fig, ax) = plt.su..

들어가며내일 오후에는 미니프로젝트 발표가 예정되어있다. "나라별 우세한 올림픽 종목 예측"을 주제로 하려고 했지만 데이터 전처리에 어려움을 겪어서 주제를 다시 정하게 되었다. 주제 선정운전을 꽤 해본 사람이라면 운전 중에 한번 쯤은 졸음이 찾아왔던 경험이 있지 않을까 싶다. 나 역시 눈이 아예 감길 정도는 아니지만 피로감을 느껴서 휴게소에서 잠시 쉬어갔던 경험이 있다. 졸음운전 사고가 매년 끊이지 않는 만큼, 현재 예방할 수 있는 시스템이 많이 마련되어 있기도 하다. 테슬라 같은 경우에는 최근에 차량 실내 카메라를 활용하여 운전자를 관찰하는 방식으로 졸음 운전을 감지하는 새로운 기능을 선보였다. 이러한 점에 착안해서 지금까지 배운 기술들로 운전자의 상태가 담긴 이미지를 활용하여 운전자가 과연 졸고 있는 ..

들어가며오늘은 교수님과의 마지막 수업날이다. 임시저장이 작동하지 않은 채 자꾸만 튕겨서 같은 글을 3번째 쓰고있다는 것이 참 착잡하지만 어쩔 수 없다. 복습 여러번 하면 오히려 좋은 것 같기도 하다^^ 삼성 주가 데이터 예측삼성의 주가데이터를 2016년부터 2020년치와 2020년부터 가장 최근 데이터 총 2가지를 준비해보았다. 실제로 사용할 데이터는 가장 최근 데이터가 포함된 것으로 사용할 것이다. 훈련 데이터는 뒤에서부터 200개, 테스트 데이터는 훈련데이터를 제외한 나머지의 데이터들(약 1900개)로 사용한다.import FinanceDataReader as fdrimport numpy as npfrom matplotlib import pyplot as pltfrom sklearn.preproces..

들어가며오늘은 신경망 중에서도 CNN을 중심으로 학습을 해보는 시간을 가졌다. 여러 데이터 셋을 활용하여 모델을 선정하고 학습과 예측을 진행해보자.MNIST 데이터셋을 활용한 신경망 정의 및 학습픽셀값의 편차가 너무 크기 때문에 0~1로 정규화하는 과정이 필요하다. 계층을 선형으로 쌓은 Sequential 모델을 사용하고, 데이터를 단순화하기 위해서 다차원의 입력 데이터를 1차원으로 변환하는 과정을 거쳐야 한다. 여기서 `Flatten`레이어가 사용된다. 출력층의 활성화함수로 `softmax`가 사용되는 이유는 `softmax`의 출력 총합이 1이므로 확률로 해석할 수 있기 때문이다. 분류문제에서 결과값의 확률이 높으면 예측이 잘되었다고 할 수 있다.import kerasimport matplotlib...

들어가며오늘은 신경망을 중심으로 반복적인 학습을 하는 모델, 딥러닝을 배워보았다. 어떤 상황에 어떤 모델을 사용하는게 최선의 방법일지 오늘 학습내용을 통해 알아보자.신경망(Neuron Network)최근에 많은 인기를 끌고 있는 딥러닝(deep learning)의 시작은 1950년대부터 연구되어 온 인공 신경망 (artificial neural network: ANN)이다.신경망의 장점학습이 가능, 데이터만 주어지면 신경망은 예제로부터 배울 수 있다.몇 개의 소자가 오동작하더라도 전체적으로는 큰 문제가 발생하지 않는다.퍼셉트론(Perceptron)퍼셉트론(perceptron)은 1957년에 로젠블라트(Frank Rosenblatt)가 고안한 인공 신경망이다. AND와 OR 게이트를 퍼셉트론을 이용해서 예..