머신러닝이 머신데

필수 개념1. 신경망의 개념 및 학습 원리2. CNN이란?3. RNN이란?4. Transformer란?5. Generative Models란?1. 신경망의 개념과 학습 원리는?더보기신경망의 기본 개념뉴런 : 여기서 말하는 뉴런은 생물학적인 뉴런을 수학적으로 모델링한 것인데, 실제 뉴런이 입력 값을 받아 세포체에 저장하다가 자신의 용량이 넘어서면 외부로 출력값을 보내는 것처럼, 인공신경망 뉴런도 여러 입력값을 받아 일정 수준이 넘으면 활성화되어 출력값을 내보낸다. 가중치: 활성화 함수(Activate Function): 위 뉴런 설명에서 입력값의 총합을 활성화하여 출력값을 내보낼 때 이 함수를 통해 계산된 값을 출력하게 된다. 이러한 활성화 함수는 신경망이 비선형 문제를 해결할 수 있게 하며, 복잡한 패턴..

필수 개념머신러닝과 딥러닝이란?지도학습, 비지도학습, 강화학습이란?편향-분산 트레이드오프 (Bias-Variance Tradeoff)과적합(Overfitting)과 과소적합(Underfitting) 해결 방법특성 선택(Feature Selection) 및 차원 축소 (PCA, t-SNE)데이터 전처리 (정규화, 표준화, 결측값 처리) 1. 머신러닝과 딥러닝이란?더보기머신러닝은 주어진 데이터에서 패턴을 학습하여 예측하는 모델을 만드는 방법. 특징(Feature)을 사람이 직접 설계하는 경우가 많고, 전통적인 알고리즘(예: 선형 회귀, 랜덤 포레스트, SVM 등)을 사용함. 딥러닝은 신경망(Neural Network)을 기반으로 데이터를 입력하면, 모델이 자동으로 중요한 특징(Feature)을 추출하고 학습..

ML 기초 개념에 대해 설명해봐! 하면 사실 아직 제대로 말을 못한다. 더 제대로 체화해서 똑똑하게 말할 수 있는 연습을 하기 위해 다시 복습해보려 한다.사실 그제 코테를 봤는데 생각지도 못한 주관식 문제가 있었다. 오차역전파 알고리즘에 대해 설명해보라는 것이었는데, 멍청하게도.. 제대로 말을 못하겠어서 보기 좋게 망했다! 풀고 나서 혼자 충격에 빠지고... 아 이건 안되겠다.. 싶었다. 나같은 사람 거르기 딱 좋은 문제였던 것 같다. 가고 싶은 회사였는데 아쉬웠다.. 준비된 자에게 기회가 온다고 하는데 잘 걷어차고 나니 내실을 잘 쌓아야 겠다라는 생각이 들었다. 열심히 해보자!커리큘럼은 아래와 같고, GPT한테 짜달라고 했다. AI/ML/DL + Computer Vision 학습 커리큘럼 (심화 개념 ..

모델 학습을 위해 GPU를 사용할 때나 초기 셋팅을 할 때 가끔 이런 에러가 뜰 때가 있다.RuntimeError: The NVIDIA driver on your system is too old (found version 11060). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver.-----..

AI 모델 개발 파이프라인에서 모델을 개발하고 나면, 모델의 input-output을 맞는 형태로 감싸 통신해줄 서빙 프레임워크가 필요하다. AI 모델로 머리(뇌)가 생겼다면, 서빙 프레임워크를 붙여 귀와 입을 만들어줘야 한다. 모델 서빙 프레임워크란?웹 애플리케이션을 구축하고 클라이언트 요청을 처리하는 기능을 제공하는 소프트웨어 프레임워크.주로 HTTP 요청을 받아들이고, 적절한 응답을 생성하여 클라이언트(웹 브라우저, 모바일 앱, 다른 서버 등)에 반환하는 역할을 함.기존에 다양한 모델 서빙 프레임워크가 있는데, 파이썬 기반의 프레임워크를 보자면 많이 사용되는 Flask, 빠르다고 알려져있는 FastAPI, 마이크로 배치 프로세스로 기존 프레임워크들보다 모델에 더 최적화되었다고 알려진 BentoML이..

한 줄 요약Reconstruction based OOD 논문으로, CelebA(ID)로 학습한 Diffusion model에 SVHN(OOD) 이미지를 재구성하도록 하여 timestep T를 수준별로 나눠 재구성된 샘플의 input 과의 유사도를 기준으로 OOD를 탐지하는 재밌는 논문이었음.Abstract머신러닝 시스템의 안전한 배포를 위해 OOD 탐지는 매우 중요함.현재, OOD 탐지는 생성 모델의 Likelihood estimation이나 기타 측정을 사용하는 생성 기반 접근 방식이 주를 이루고 있음.재구성 기반 방법은 대안적 접근 방식으로, 재구성 오류를 측정하여 샘플이 OOD인지 여부를 결정함.그러나 재구성 기반 접근 방식은 모델의 정보 병목, 예를 들어, 잠재 차원의 크기 등을 신중하게 조정해야..

해당 논문은 OOD 태스크의 서베이 논문으로.. OOD detection이 뭐냐! 싶은 분께 추천드립니다.관련 분야 설명은 뛰어넘기고 OOD 중심으로 리뷰했답니다AbstractOOD 문제는 머신러닝 시스템의 신뢰성과 안전성을 보장하는데 필수적.자율 주행과 같은 시스템에서는 OOD 검출을 통해 시스템이 학습 중 본 적 없는 이상한 장면 or 물체를 감지하고 인간에게 경고하여 제어를 넘기게 됨.2017년에 처음 등장한 OOD 검출은 연구 커뮤니티의 많은 관심을 받아 다양한 방법이 개발됨.이러한 방법들은 분류 기반, 밀도 기반, 거리 기반 등 여러가지가 있음.이와 관련된 다른 문제들(Anomaly detection, Novelty detection, open set recognition, outlier det..