Tag Archive

• Boostcamp 5
• DeepLearning 5
• aitech 5
• MLOps 2
• 1x1Convolution 1
• Adadelta 1
• Adagrad 1
• Adam 1
• Bagging 1
• BatchNormalization 1
• BiasVarianceTradeoff 1
• Boosting 1
• Bootstraipping 1
• CNN 1
• Convolution 1
• ConvolutionNeuralNetwork 1
• CrossValidation 1
• DataArgumentation 1
• Dropout 1
• EalryStopping 1
• Generalization 1
• Gradient 1
• ImageClassification 1
• Intro 1
• LabelSmoothing 1
• Level 1
• Momentum 1
• NAG 1
• NesterovAcceleratedGradient 1
• NoiseRobustness 1
• Optimization 1
• Overfitting 1
• Padding 1
• ParameterNormPenalty 1
• Pipeline 1
• RMSprop 1
• Regularization 1
• SGD 1
• StochasticGradientDescent 1
• Stride 1
• Underfitting 1
• project 1

Boostcamp

[Project] 001. Image Classification

Summary 🤙

---

[Boostcamp, AI Tech] 4주차 회고

Summary 🤙

---

P stage가 시작되었다. Image Classification을 주제로 EDA 부터 Model, Train 까지 딥러닝 프로젝트의 전체적인 플로우를 직접 구현해보면서 전체적인 그림을 그릴 수 있는 주였다.

[Boostcamp, AI Tech] 3주차 회고

Summary 🤙

---

Pytorch에 대한 기본적인 장점과 특징들에 대해 학습했고, ML/DL 프로젝트에서, 모델 중심적인 해석보다, Data 중심적인 관점에서 어떠한 것들이 중요한지에 대해 학습했다.

[Boostcamp, AI Tech] 2주차 회고

Summary 🤙

---

Deep Learning에 대한 기초적인 강의들로 구성이 되었다. 또한 최근 연구 동향과 여러가지 논문들에 대한 소개도 같이 포함되었다.

[Boostcamp, AI Tech] 1주차 회고

Summary 🤙

---

1주차는 Python 기본과 AI Math의 주제로 강의가 구성되었다. 프로그래밍은 익숙한 편이라, AI Math에 최대한 많은 시간을 투자했다. 각 용어들의 정의에 익숙해지는데 집중했고, 여러번 자주 접하여 익숙해지기 위한 시간이었다.

Back to Top ↑

DeepLearning

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

[DL/ML]Optimization - Important Concept

Summary 🤙

---

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

[DL/ML]Deep Learning - Intro

Summary 🤙

딥러닝에서 학습한다는 것은 무엇인지, 또 어떤 역사적 흐름속에서 발전해왔는지를 가볍게 알아보자.

Back to Top ↑

aitech

[Project] 001. Image Classification

Summary 🤙

---

[Boostcamp, AI Tech] 4주차 회고

Summary 🤙

---

P stage가 시작되었다. Image Classification을 주제로 EDA 부터 Model, Train 까지 딥러닝 프로젝트의 전체적인 플로우를 직접 구현해보면서 전체적인 그림을 그릴 수 있는 주였다.

[Boostcamp, AI Tech] 3주차 회고

Summary 🤙

---

Pytorch에 대한 기본적인 장점과 특징들에 대해 학습했고, ML/DL 프로젝트에서, 모델 중심적인 해석보다, Data 중심적인 관점에서 어떠한 것들이 중요한지에 대해 학습했다.

[Boostcamp, AI Tech] 2주차 회고

Summary 🤙

---

Deep Learning에 대한 기초적인 강의들로 구성이 되었다. 또한 최근 연구 동향과 여러가지 논문들에 대한 소개도 같이 포함되었다.

[Boostcamp, AI Tech] 1주차 회고

Summary 🤙

---

1주차는 Python 기본과 AI Math의 주제로 강의가 구성되었다. 프로그래밍은 익숙한 편이라, AI Math에 최대한 많은 시간을 투자했다. 각 용어들의 정의에 익숙해지는데 집중했고, 여러번 자주 접하여 익숙해지기 위한 시간이었다.

Back to Top ↑

MLOps

[MLOps]머신러닝 파이프라인 - Intro

Summary 🤙

머신러닝 프로세스에서 실제 프로덕트로 이어지기까지의 플로우를 간랸히 알아보고, 파이프라인을 구축할 때 어떤 문제점들에 집중해야 하는지 알아보자.

[MLOps]MLOps Level (feat. google cloud) (TODO)

Summary 🤙

Back to Top ↑

1x1Convolution

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

Back to Top ↑

Adadelta

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

Adagrad

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

Adam

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

Bagging

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

BatchNormalization

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

BiasVarianceTradeoff

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

Boosting

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

Bootstraipping

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

CNN

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

Back to Top ↑

Convolution

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

Back to Top ↑

ConvolutionNeuralNetwork

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

Back to Top ↑

CrossValidation

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

DataArgumentation

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

Dropout

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

EalryStopping

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

Generalization

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

Gradient

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

ImageClassification

[Project] 001. Image Classification

Summary 🤙

---

Back to Top ↑

Intro

[DL/ML]Deep Learning - Intro

Summary 🤙

딥러닝에서 학습한다는 것은 무엇인지, 또 어떤 역사적 흐름속에서 발전해왔는지를 가볍게 알아보자.

Back to Top ↑

LabelSmoothing

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

Level

[MLOps]MLOps Level (feat. google cloud) (TODO)

Summary 🤙

Back to Top ↑

Momentum

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

NAG

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

NesterovAcceleratedGradient

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

NoiseRobustness

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

Optimization

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

Overfitting

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

Padding

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

Back to Top ↑

ParameterNormPenalty

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

Pipeline

[MLOps]머신러닝 파이프라인 - Intro

Summary 🤙

머신러닝 프로세스에서 실제 프로덕트로 이어지기까지의 플로우를 간랸히 알아보고, 파이프라인을 구축할 때 어떤 문제점들에 집중해야 하는지 알아보자.

Back to Top ↑

RMSprop

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

Regularization

[DL/ML]Regularization

Summary 🤙

---

Generalization을 높이기 위해 학습을 방해하는 방법이다. 다시 말해 test set에서 잘 동작하게 하기 위한 방법이다.

Back to Top ↑

SGD

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

StochasticGradientDescent

[DL/ML]Gradient Descent Methods

Summary 🤙

---

Gradient Descent는 다음으로 간단히 분류할 수 있다.

Back to Top ↑

Stride

[DL/ML]CNN - Intro

Summary 🤙

---

CNN(Convolution Neural Network)은 일정한 크기의 파라미터(filter, kernel)를 옮겨가며 도장을 찍듯이 옮겨가며 합성곱(Convolution)하는 형태의 뉴럴 네트워크다.

Back to Top ↑

Underfitting

[DL/ML]Optimization - Important Concept

Summary 🤙

---

Back to Top ↑

project

[Project] 001. Image Classification

Summary 🤙

---

Back to Top ↑