dev.ssun

모델의 적합성 1) 희소적합 (Underfit) - 전혀 똥오줌 못 가리는 상태 (모델 자체가 잘못 설계되었거나, 학습 초기단계) 2) 적합 (Fit) - 아주 일반화가 잘 된 케이스 (적절하게 학습 되었다) 3) 과적합 (Overfit) - 너무 암기를 많이 한 케이스 (많은 파라메터를 써서, 너무 오랫동안 학습을 시킴) -> 모든 데이터를 그냥 외우게 되는 것, 응용능력이 없음 과적합을 피하기 위해 전체 데이터셋을 학습(Training)과 검증(Validation)용으로 분리 학습용 : 모델의 학습에만 사용 검증용 : 모델의 성능 및 손실 등을 검증하는 데 사용 과적합이 발생했다고 판단되는 순간 정지해야 함

ML - Generation - 출생률(natality)에 대한 데이터셋의 소개 완벽히 제어되는 세상이라면 모든 신생아/영아들은 건강 상태에 따라 적절한 의료 케어를 받을 수 있을 것 하지만 태어난 직후, 의료진의 부족 및 확인에 따른 대처 시간 소요 등 어려운 점이 있다 만일 태어나기 전 건강 상태를 예측한다면? 적절한 조치가 수월하게 이뤄질 것이다 Q. 아기들의 건강 상태를 태어나기 전에 예측할 수 있을까? 모델에 사용될 법한 Feature 산모의 나이 아기의 몸무게 -> 특정 문제의 해결은 특정 분야에 대한 지식 필요 - BigQuery 플랫폼에서는 출생률 데이터셋을 개방하여 제공함 https://cloud.google.com/bigquery/docs/bigqueryml-natality 아래 링크의..

* 머신러닝 모델 정의 머신러닝 모델 -> 수학적인 함수 구성요소 - 파라메터, 하이퍼-파라메터 1) 파라메터 -> 모델의 학습이 진행되는 과정에서 학습한 내용을 저장하는 변수 2) 하이퍼 파라메터 -> 모델의 학습을 시작하기 전 설정해주는 고정된 값

WTM 2019 Homepage 스탭 후기 이번 wtm은 스탭으로 참가했다 처음 wtm을 알게된 건 2017년 구글 캠퍼스 서울에서 열렸을 때 참가했다. 그때 IT업계에서 일하는 여성들의 이야기를 듣고 또 그땐 잘 몰랐지만 '양파'님의 세션도 기억에 남는다. 18년에는 페이스북을 안하고 있어서 행사 하는 걸 몰랐다 😭😭 아무튼 19년 올해는 꼭 참가하리라, 그리고 가능하다면 스태프를!!! 이번 스태프 경쟁률은 무려 3:1 이었다고 한다. 다들 열정이 넘치는 구나 생각하며 나는 떨어지겠다 ㅠㅠ 했는데 붙었다 👏 발표자 관리를 담당했다 8시 코엑스 도착, 다들 기계가 되어 굿즈 포장을 진행하고 책상을 다르고 에코백을 날랐다 다들 잘 받으셨나요? via GIPHY 기계가 되어라 wtm이 진행되는..

지난 3월 29일 Developer Circles Seoul과 Innovation Lab Korea가 함께하는 We're just ordinary IT people 행사에 다녀왔다 그저 보통 사람들이 모이고, 이야기를 나누는 것 그것에 끌렸다. 다들 열심히 발표해주셨는데 그 중 기억에 남고 있는 건 김준영 님의 "개발 정글에 떨어진 고슴도치는 어떻게 살고 있을까" 이다. 해당 발표의 주제는 회복 프로토콜에 대한 이야기다. (발표 슬라이드 : https://www.slideshare.net/junekim5030927/ss-138682097) 상처받는 세상 속에서 상처를 회복하기 위한 방법을 찾기 위해 노력 1. 나를 관찰하고 내가 어떤 사람인지 알아 가는 시간을 가짐 - 나는 어떤 사람인가?를 관찰 - 우..

1. Short History of ML: Perceptron 퍼셉트론(perceptron)은 인공신경망의 한 종류로서, 1957년에 코넬 항공 연구소(Cornell Aeronautical Lab)의 프랑크 로젠블라트 (Frank Rosenblatt)에 의해 고안되었다. 이것은 가장 간단한 형태의 피드포워드(Feedforward) 네트워크 - 선형분류기- 으로도 볼 수 있다. 퍼셉트론이 동작하는 방식은 다음과 같다. 각 노드의 가중치와 입력치를 곱한 것을 모두 합한 값이 활성함수에 의해 판단되는데, 그 값이 임계치(보통 0)보다 크면 뉴런이 활성화되고 결과값으로 1을 출력한다. 뉴런이 활성화되지 않으면 결과값으로 -1을 출력한다. 출처 https://ko.wikipedia.org/wiki/%ED%8D%B..

https://www.youtube.com/watch?v=Mx7oqTKwhIA&list=PLQ28Nx3M4Jrguyuwg4xe9d9t2XE639e5C&index=4&t=0s 구글 스터디잼 공부 메모 - 모두의 딥러닝 시즌 2 1. Regression - “Regression toward the mean” 전체의 평균으로 되돌아간다 (회기하려는 특징, 속성) - 통계적 원리를 설명하는 말로 Regression 이라고 사용한다 2. Linear Regression (선형회귀) - 간단하게, 데이터를 가장 잘 대변하는 직선의 방정식을 찾는 것 (y = ax + b) 이라 할 수 있음 - a는 빨간 선의 기울기, b는 직선의 y절편 - 선형 회귀는 파란 데이터를 가장 잘 대변하는 기울기와 y절편 즉, a값과 b..

모델? -> 데이터들의 패턴을 대표할 수 있는 함수 -> 함수의 입력을 독립변수, 출력을 종속변수라고 함(독립변수들에 의해 출력값이 정해짐) 회기모델 (Regression) -> 레이블의 값들이 연속적인 문제 분류 (Classification) -> 레이블의 값들이 이산적으로 나눠질 수 있는 문제

머신러닝은? 머신러닝 => software 어떤 프로그램의 경우 정확하게 프로그래밍하는 것이 어려움 ex. 스팸필터 > 많은 규칙들이 있음. ex. 자율주행자동차 > 너무 많은 규칙들 프로그램인데 프로그램 자체가 데이터를 통해 학습하는 프로그램 => 머신러닝 학습하는 방법에 따라 Supervised / Unsupervised 로 나뉨 Supervised learning (지정 학습) 정해져있는 데이터를 가지고 학습, 정제된 데이터 레이블이 이미 달려있는 자료를 가지고 학습을 진행 Unsupervised learning (비지정 학습) 레이블이 없는 데이터 Supervised learning 분류 시험점수 예측 시스템 regression (회귀) P / N-P 중 하나를 시간에 따라 예측 binary cl..

2019-03-16 [뱅크샐러드 컨퍼런스] Con-Salad 03 🌽🥗 컨퍼런스 후기 뱅크샐러드에서 진행하는 컨퍼런스 - 콘샐러드에서는 웹 세션 3개, Android 세션 2개, iOS 세션 1개로 나뉜다. 이번 컨퍼런스는 iOS 내용부터 듣게 되었다. RxSwift 1도 몰으겟읍니다에서 시작하기 👩‍💻👨‍💻 / iOS Engineer 박보영 RxSwift를 학습하는 내용이 아닌 학습 방법과 관련한 세션 뱅크샐러드 iOS직군 채용 공고에 있는 것 RxSwift에 대한 경험과 이해 (우대사항) 수습기간동안 RxSwift를 어떻게 학습했는지를 공유 Navigating 🔛 나를 파악하기 목적지 정하기 리소스 배분하기 ➗ RxSwift를 책으로 시작하는 데 짧은 시간 안에 보기엔 챕터가 너무 많았음 책의 챕터를..