| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
- #abc 프로젝트 멘토링 #유클리드소프트 #고용노동부 #대한상공회의소 #미래내일일경험사업 #공부일지 #멘토링일지
- #abc부트캠프 #유클리드소프트 #고용노동부 #대한상공회의소 #미래내일일경험사업
- Today
- Total
목록전체 글 (41)
나른한 코딩 생활
오늘부터 13일까지 본격적인 조별 프로젝트를 실시한다 모든 활동을 다 담지는 못하고, 핵심적인 것 위주로 블로그를 작성할 것이다주제 상의 오전 동안 우리는 "배리어프리, 무장애 레크레이션 및 운동을 위한 AI 모델 개발" 에 대한 주제를 생각하고 있었다. GPT는 다음과 같이 주제를 추천했다 "무장애 사회(barrier-free society)"를 지향하는 모션AI를 개발하는 목적은 다양한 장애를 가진 사람들이 일상생활에서 겪는 물리적, 사회적 장벽을 최소화하여 모든 사람이 동등하게 접근할 수 있는 환경을 조성하는 데 있습니다. 구체적으로, 다음과 같은 목표를 가지고 있습니다: 1. **접근성 향상**: - 장애인들이 공공 장소, 건물, 교통수단 등에 쉽게 접근할 수 있도록 지원합니다. 예를 들..
프로젝트 준비에 앞서 발표는 어떻게 하는지 또, 모델링 이론에 대해서 강신철 경영정보학 박사님께서 해주시는 강의를 듣게 되었다비지니스 모델링주요1. 모델링 이론2. GPS 3. Karl popper Three world model4. E.Khant ( 칸트 ) 감성 - 지성 이성 => 인지이론 머리를 잘 쓰는 방법 3가지 1. 데이터를 많이 수집하라Framework ( 생각하는 법 ) - 가설 - 이론 or 모델 - 법칙Framework 폴더를 하나 만들어서 하루에 하나씩 Framework 를 적어놔라-> 1년이면 365개의 Framework가 생김칸트의 인지이론1. 감성= 감각2. 지성언어3. 이성 모델링 이론모델이란 - 시드니의 오페라 하우스 - 이중섭의 황소 그림 - 파이썬 코드 - 양자역..
오늘은 마지막 ESG 시간이다. ESG 우리 지역, 로컬 이야기 - 지역 리서치 프로젝트 사례 라는 타이틀과 함께 좋은 강사님들의 다양한 이야기들을 들어보자나는 나다 / 이강산 작가“ 나는 나다 “ - 휴먼다큐멘터리 사진가의 길오늘 가져갈 마인드1. 나답게 사는 것에 대하여 2. 나의 차이를 위하여 - ‘나는 노마드!‘ - 어제의 나는 오늘의 내가 아니다. - 내일의 나는 오늘의 나와 다르다. 자신을 새롭게 만드는 창조적 사람, 계속 바꿔가는 사람 = 노마드 “ 어딘가 이상한 사람만이 놀라운 일을 이룰 수 있다. ” - 다큐멘터리 ‘ 말하지 못한 이야기 - 세기의 레이스 ‘ 글, 사진 인생의 멘토(Mentor) 1. 최민식(사진가) 2. A.로댕(조각가) 3. 로버트 카파(사진가.저널리스트) 4. ..
오늘은 기술나눔으로서 데이터 라벨링에 대한 기술을 전수받고 이를 실천해볼 예정이였으나... 오셔서 데이터 라벨링을 강의 해주실 강사분들이 해당 작업은 수준이 너무 낮은 것 같다고 판단하셨다. 이에 따라 사업 RFP를 보고 사업 기획을 하는 것으로 바꾸었다데이터 라벨링데이터 라벨링이란 AI를 학습시키는 과정이라고 볼 수 있다기획안 토의해보기
강영묵 한국화학연구원Machine Learning in NLP LLM Large Language Model 차원축소임베딩 word2vec Rnn / lstm 은 앞에서부터 순차적으로 하기때문에 뒤에는 순차처리를 기다려야 함 ( 직렬처리 )트랜스포머 모델은 동시에 (병렬처리) 할 수 있게 되었다. Attention 의 중요성중요한 단어와 중요하지 않은 단어 토근화 되고 임베딩 되는 과정까지만 알아두면 좋다 벡터로 만들었을때 우리들이 가지고 있는 데이터를 1차원 벡터로 만들 수 만 있다면 어떤 인공지능모델이든지 그것으로 학습시킬 데이터셋을 가질 수 있다트레이닝 후 최적화 기술 = 정량화 GPT : 학습은 디코더 인코더 다 사용하지만, 우리에게 정보를 제공할때는 디코더만 사용함Encoder : 이미지를 보..
26, 27일차는 엔비디아 엔버서더로 활동하고 계신 Young-Mook Kang ( 강영묵 ) 강사님께서딥러닝의 기초를 강의해주실 예정이다 기술을 배우는 것 보다는 -> 즉, AI 모델들을 개발하는게 아닌, AI 모델을 이용하여 다른 프로젝트등에 접목하는 것이 중요하다 물론 아직까지는 AI 개발이 현재 불필요하다는 것은 아니다. 허나 이는 날이 갈수록 수요가 적어짖고 전문성이 떨어질 것. 사전 트레이닝된 모델 : 목적에 따라 훈련된 모델별 차이점이 나온다.-> 이 모델들이 뭐가 있고 어느 때 쓸 수 있는지만 알면 실전에서는 충분하다 딥러닝 모델을 처음부터 끝까지 제작하는 회사는 매우 드물다. 개발? 이제는 찾는다는 표현을 사용하고 있다내가 이룰 목적을 달성 가능한 모델을 찾는 것 컴퓨팅 능력과 데이터..
오늘은 크게 3가지의 프로젝트를 해보면서 인공지능 수업의 대단원을 마치도록 하겠다정규화# 24.07.26. 금요일import FinanceDataReader as fdrimport numpy as npfrom matplotlib import pyplot as plt# print(fdr.DataReader(symbol='005930',start='01/01/2016', end= '12/23/2020'))samsung = fdr.DataReader(symbol='005930',start='01/01/2016', end= None)print(samsung)print(samsung.columns)open_values = samsung[['Open']]print(open_values)print(open_value..
지금까지는 csv 및 함수와 같은 데이터셋을 가지고 머신러닝을 진행했었다. 오늘은 다양한 이미지를 여러가지 방법으로 필터링 해보고 이에 따른 머신러닝을 예제를 통해 공부해보자Rose - 장미 이미지 필터링# 24.07.25 목요일import cv2import numpy as npimg = cv2.imread(filename='Rose.jpeg',flags=cv2.IMREAD_GRAYSCALE)# jpg : 손실 압축 / png : 무손실 압축 + 투명도 채널 추가# Lenna_515x512.png 와 Rose.jpeg 번갈아 확인cv2.imshow(winname="Rose", mat=img)cv2.waitKey() # 창을 닫지 마라cv2.destroyAllWindows() # 창을 없애라# filte..
이전까지 배웠던 케라스를 또다른 예제들을 통해서 공부해보자오늘은 총 4개의 예제를 풀어보도록 하겠다 XOR 데이터 학습 및 예측# 데이터 준비하기"""XOR0, 0 -> 00, 1 -> 11, 0 -> 11, 1 -> 0"""import tensorflow as tfdata = tf.constant([[0, 0], [0, 1], [1, 0], [1, 1]],dtype=tf.int32, name="[x1,x2]")# uint 와 int의 차이점은 ? u = unsigned 의 약자 / 기본적으로 사용하고 있는 int 는 signed# 부호가 있냐 없냐의 차이이고, 이럴 경우 uint 는 양수값만을 취급# 뒤의 숫자 8, 16, 32, 64 는 bit 수를 의미하며 단위의 크기를 결정label = tf.c..
지금까지 배웠던 내용들을 총정리 함과 동시에, 케라스를 이용한 몇가지 예시를 통해 코딩능력을 기르자숫자 데이터 훈련import matplotlib.pyplot as pltimport tensorflow as tf(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()print(train_images.shape) # (60000, 28, 28) // 28, 28 -> 이미지의 사이즈 (가로, 세로 개념과 비슷)# -> 이러한 이미지가 60000개 존재 // tensor 3print(train_labels.shape) # (60000,)print(test_images.shape) # (10000..