juuuding

📖 Project Planning  Project Planning - 프로젝트 계획에는 작업을 여러 부분으로 나누어 프로젝트 팀 구성원에게 할당하고, 발생할 수 있는 문제를 예상하고 해당 문제에 대한 잠정적 해결 방안을 준비하는 작업이 포함됨.- 프로젝트 시작 시 생성된 프로젝트 계획은 프로젝트가 어떻게 진행될 것인가를 프로젝트 팀과 고객이 소통할 때, 프로젝트 진행 상황을 평가할 때 사용   Planning stages 1. 제안 단계 - 소프트웨어 시스템을 개발 혹은 공급하는 계약을 얻기 위해 입찰할 때ex) 어떠한 프로젝트 / sw 를 만들고 싶다 제안할 때 2. 프로젝트 시작 단계 동안 - 누가 프로젝트에서 일할 것인지, 프로젝트를 어떻게 작업들로 나눌 것인지, 자원을 어떻게 할당할 것인지에 대..

📖 소프트웨어  소프트웨어란? 💡 소프트 웨어란? - 프로그램 자체만이 아니라 관련 문서, 라이브러리, 지원 웹사이트 등 필요한 환경 설정 데이터 포함 - 소프트웨어 제품은 특정 고객을 위해 개발되거나, 범용으로 개발됨 💡 소프트웨어 제품 유형 - 일반 제품 : 독립형 시스템, 어떠한 고객이든 원하면 살 수 있음. 예를 들어 그래픽 패키지, 프로젝트 관리 도구, CAD 같은 PC 소프트웨어, 특화된 마켓을 위한 소프트웨어 - 맞춤식 소프트웨어 : 특정 고객에 맞추어 개발한 시스템. 예를 들어 전자기기 제어 시스템, 항공 관제 시스템  + 임베디드 시스템은 특정 하드웨어 장치에서 특정 기능을 수행하도록 개발된 sw기 때문에 맞춤식 소프트웨어라고 생각.. => 새 소프트웨어 개발은 완전히 새롭게 개발을..

이번 주제에서는 컴퓨터 비전의 "이미지 분류, 객체 감지, 신경 스타일 전이" 등의 문제를 해결해나갈 것이다. 컴퓨터 비전의 가장 큰 걸림돌은 입력의 크기가 아주 크다는 것이다. 예를 들어 64크기의 컬러 이미지가 입력으로 들어온다고 하면 64*64*3의 크기가 입력으로 들어온다. 이러한 걸림돌을 가진 문제들을 해결하기 위해서는 컨볼루션 연산을 잘 구현해야한다.  Edge detection example  예시로 이미지에서 수직 엣지를 감지하는 것에 대한 컨볼루션 연산을 해보겠다. 여기서는 6x6 grayscale 이미지에 3x3 필터로 연산을 하여 4x4 행렬을 생성된다.    입력 이미지를 보면 왼쪽에 수직 경계선이 있는데, 이 수직 경계선을 찾아내기 위해 수직 경계를 가진 필터를 적용하였다. 그 결..

※ 혼자 읽고 정리한 글이라 틀린 내용이 있을 수 있습니다. [Identity Mappings in Deep Residual Networks]https://arxiv.org/abs/1603.05027 ※ ResNet은 아주 깊은 신경망을 효과적으로 훈련시키기 위해 개발된 신경망이다. 깊은 신경망에서 발생하는 기울기 소실 문제를 해결하기 위해 Residuak Block이라는 구조를 도입하였다. Residual Block에서는 입력을 그대로 다음 블록으로 전달하는 skip connection을 사용하여, 네트워크가 원래의 입력을 유지하면서 추가적인 학습을 진행할 수 있도록 한다.  이 논문에서는 ResNet을 분석하여 ResNet의 성능이 왜 좋은지를 검증하고 기존 구조를 개선하여, 더 깊은 신경망에서도 효..

※ 혼자 읽고 정리한 글이라 틀린 내용이 있을 수 있습니다. [Rethinking the Inception Architecture for Computer Vision]https://arxiv.org/abs/1512.00567 💡General Design Principles 다음은 합성곱 신경망 아키텍처 설계에서 중요한 원칙들을 대규모 실험을 통해 도출한 내용이다.  1. 네트워크 초반부에서 representational bottleneck을 피해라 네트워크 초기에 정보의 극단적인 압축을 피하고, 정보가 손실되지 않도록 표현의 크기를 점진적으로 감소시키는 것이 중요하다. 정보의 내용은 표현의 차원만으로 평가될 수 없고, 차원은 대략적인 추정치를 제공할 뿐이지 상관 구조와 같은 중요한 요인을 나타내지는 못..

Hyperparameter tuning  Tuning Process  하이퍼파라미터는 중요도에 따라서 튜닝을 진행해주어야 한다. 아래는 하이퍼파라미터 별 중요도 순으로 나열한 목록이다. ① learning rate② momentum(0.9), #hidden units, mini-batch size③ #layers, learning rate decay④ Adam: beta1(0.9), beta2(0.999), epsilon(10^-8)   이제 이 하이퍼파라미터들을 선택하는 방법에 대해 알아보자. 하이퍼파라미터를 탐색하는 방법에는 그리드, 랜덤 탐색이 있다. 결론적으로 랜덤 탐색을 사용하는 것이 좋은데, 그 이유는 여러 하이퍼파라미터 중 어떤 것이 중요한지 모르기 때문이다. 참고로 하이퍼파라미터 수가 적을..

cs231n 전체 내용 정리 필기본

※ 혼자 읽고 정리한 글이라 틀린 내용이 있을 수 있습니다. [Visualizing_Understanding_CNN (ZFNet)]https://arxiv.org/pdf/1311.2901  💡Introduction 합성곱 신경망은 얼굴 인식, 숫자 인식 등에 뛰어난 성능을 보였다. 이 뛰어난 성능을 보인데에는 큰 훈련 세트, 강력한 GPU로 인한 큰 모델 생성, dropout과 같은 새로운 regularization 전략 등의 역할도 큰 비중을 차지하였다.이러한 발전들에도 불구하고 이 모델의 내부 연산,  과정, 어떻게 좋은 성능을 내는지에 대한 이해도가 부족하다. 이 점을 해결하기 위해 visualization을 하며 이 시각화는 multi-layered Deconvolutional Network를 ..