헥사고날 구조 기반의 Home 노트 설계 Intro. Home Note를 왜 개편해야 했는가 저번 스터디에서 홈 노트는 제가 세상을 보는 시선을 담고 있어야 한다는 말이 와닿았습니다 Old Home 노트의 경우, 제가 생각하는 핵심 주제를 중심으로 여름에 정리를 해서 사용하고 있었습니다 하지만, 홈 노트의 제가 임의로 주제를 잡고 있으니, 프로세스가 굴러가지 않는거 같더라구요 그렇다면 어떻게 구성을 해야 할까 제가 세상을 보는 시선은 뭘까? 생각을 하니 전 페르소나(역할) 단위로 움직이는거 같더라구요 어쩔 땐 기타를 치고, 음향을 하기도 하고, 멘토링이나 프로그래밍을 할 때도 있으니까요 역할 단위로 움직이는 만큼 그 토대가 되는 제가 관리가 잘되어야 하더라구요 제 에너지는 한정 되어 있고, 체력이 되어야..
AI
두서 없는 프로젝트 구조화 Intro. 제 욕심으로 마지막 학기는 프로젝트 2개와 학과 수업 그리고, 멘토링, 선교단체에서 음향으로 섬기게 되었습니다 기록의 목적은 미래의 저와 협업 하는 것일텐데, 일을 해내는 것에 집중하다보니 정리가 되지 않아 점점 이전에 보았던 것 같은 정보를 찾는데 시간을 보내게 되더라구요 기록의 의미가 사라져가고 있었던거죠 문제 상황 1. 의미 없는 인덱싱 보면 옵시디언의 Dataview를 사용해서 Meeting 날짜별로 정리가 되어 있습니다 그런데, 파일 이름이 의미가 없습니다, [날짜 + Meeting 준비] 식으로 적어두면 그 날 어떤 것을 했는지 기록이 아니라 제 기억에 의존해야 합니다 2. 의미 없는 목차 레퍼런스와 기술 관련으로 목차를 분리했는데 기술 관련에는 유의미한..
이번 학기 수업 조교로 활동을 하게 되었습니다 제가 맡은 수업은 예습과 복습의 의미로 매주 수업 시작하자마자 퀴즈를 봅니다 15분전, 교수님께 전달 받은 사항입니다 하하 매주 100명이 넘는 학생들을 위해, 문제를 출제해야 하는 위기에 처한거죠 요구사항 분석 먼저 교수님의 요구 사항 파헤쳐봅시다 정리하면, 어느 정도 자동화 할 것들이 보입니다 단답형 5분 내외로 풀 수 있는 난이도 시험 시간 : 수업 시작 2분 후부터 약 10분 문제 풀이 플랫폼 : 구글 폼 출제 범위 : 매주 교수님께서 주시는 정해진 범위의 PPT 문제 해결 : 문제 출제를 GPT로 하자 코드 인터프리터에서는 PPT 슬라이드를 읽을 수 있습니다 교수님이 수업 때 사용하시는 슬라이드는 출판사에서 제공하는 글이 많은 슬라이드입니다 교수님이..
Intro. 구름톤 챌린지로 오늘의 문제인, Goorm_연합을 풀이하였습니다 요즘은 코딩 테스트는 기본이라 꾸준히 풀고 있습니다. 확실하게 실력을 늘리려면, 다른 사람의 코드를 보거나, 제 코드에 대한 피드백을 받는거라 생각합니다 딱 GPT가 코드 인터프리터와 함께 사용하면 괜찮겠는데? 싶어 시작했습니다 내 코드 최적화 def find_union_iterative(N, M, graph): # Step 1: Initialize the graph g = defaultdict(set) for a, b in graph: g[a].add(b) # Step 2: Check for bidirectional links and create a union set visited = set() unions = [] def d..
Intro. 장학금, 그래서 난 몇위인가 저희 학교는 한 학기 동안 대/내외 활동 기준으로 마일리지를 정산하고 장학금을 부여하는 제도가 있습니다 어제 1차 마일리지 결과가 공지 되었는데, PDF인데다가 330명이니 제 순위가 어느 정도에 있는지 알 수 없었습니다 (순위를 매기고, 그룹을 쪼개서 그룹 별로 장학금을 주는 시스템입니다) 이를 🚀 Chat GPT로 분석?한 결과를 공유합니다 결과는 아래와 같이 잘 나왔습니다 해당 대화 Code Interpreter로 해결하는 과정 Custom Instruction은 GPTers 그룹의 나춘배님 포스트를 참고했습니다 (포스트가 안보여, gptes 홈페이지 링크를 겁니다) PDF가 역시나 잘 안읽혔습니다. 구분자도 들어가서 최종적으로 위와 같이 질문하였습니다 한글..
역전파(Back-propagation)가 흐름은 알겠는데 이해가 잘되지 않아서, 증명을 하는 과정에서 갑자기 에러가 발생했다 Error : RuntimeWarning Invalid Value Encountered in Subtract 본론부터 이야기하면, 신경망 학습 과정에서 값이 너무 커져서 발생한 것이다 종종 Deep Learning에서 발생하는 문제로, 학습률이 너무 높거나 데이터가 적절히 정규화되지 않았을 때 발생할 수 있다 수정 된 코드 활성화 함수 : sigmoid 함수 손실 함수 : 평균 제곱 오차 (Mean Squared Error, MSE) import numpy as np # 시그모이드 함수 정의 def sigmoid(x): return 1 / (1 + np.exp(-x)) # 시그모이..
- [[Deep Learning]]에서 사용하는 활성화 함수 ReLU (Rectified Linear Unit) 함수는 활성화 함수 중 하나로, 입력이 0을 넘으면 그 입력을 그대로 출력하고, 0 이하이면 0을 출력하는 함수입니다 f(x) = max(0, x) sigmoid 함수보다 ReLU의 장점 신경망의 맥락에서는 sigmoid 함수가 활성화 함수로 전통적으로 사용되었습니다. 1. 기울기 소실 문제 (Vanishing Gradient Problem) 시그모이드 함수는 출력값이 0 또는 1에 가까워질수록 그래프의 기울기가 매우 작아져서, 역전파(Back-propagation) 과정에서 가중치의 업데이트가 거의 이루어지지 않는 기울기 소실 문제가 발생합니다. 반면, ReLU 함수는 출력값이 0보다 큰 경..
딥 러닝: 강력한 도구 Andrew Ng 교수님의 강의에 있던 내용을 정리한 것입니다 최근 몇 년간 딥 러닝은 세 가지 주요 요인으로 인해 강력한 도구로 부상하였습니다 1. 데이터 양의 증가 사회의 디지털화로 인해 생성하고 수집하는 데이터 양이 폭발적으로 증가하였습니다. 이 데이터는 더 크고 복잡한 신경망을 훈련시키는 데 사용될 수 있으며, 이는 성능의 향상으로 이어집니다 2. 컴퓨터 성능의 개선 GPU와 같은 하드웨어 및 네트워킹의 발전으로 인해 더 큰 신경망을 더 빠르게 훈련시킬 수 있게 되었습니다. 이로써 연구자와 실무자들은 아이디어를 더 빠르게 반복하고, 분야에서 신속한 진전을 이룰 수 있게 되었습니다 3. 알고리즘의 개선 신경망을 훈련시키기 위해 사용되는 알고리즘들은 큰 개선을 이루었습니다. 예..
- 모든 인식 작업을 벡터 형태로 변환 처리 - 가장 간단한 [[Machine Learning|머신 러닝]] 모델 신경망은 인간 뇌를 모방한 알고리즘의 집합으로, 모든 인식 작업은 벡터 형태로 변환되어 처리됩니다. 이는 군집화와 분류를 보조하는 역할을 하며, 가장 간단한 머신 러닝 모델로 볼 수 있습니다. 신경망은 많은 다른 머신 러닝 모델의 기초가 됩니다. 가장 기본적인 신경망은 퍼셉트론이라 불리며, 이는 입력 데이터의 벡터를 받아 단일 이진 값을 출력하는 것입니다. 계층 (Layers) 신경망은 크게 세 가지 계층으로 구성됩니다. 입력 계층 (Input Layer) 데이터로 표시된 입력 벡터를 받습니다 각 뉴런은 데이터의 고유한 특징 열을 나타내며 이 계층의 크기는 데이터의 형태에 따라 결정됩니다. ..
역전파는 Deep Learning의 기본 알고리즘으로, 신경망이 오류를 통해 학습하고 성능을 개선하는 방법을 이해하는 데 필수적입니다 역전파라 불리는 이유는, 이전 단계에서 계산된 오차가 네트워크를 통해 다시 전파되어 출력 계층에서 입력 계층으로 이동하기 때문입니다 이 과정에는 초기 순방향 통과와 반대 방향으로 네트워크의 출력 계층에서 입력 계층으로 전파되는 계산이 포함됩니다. 이 역전파는 미적분학의 Chain Rule에 크게 의존합니다. 모델 구성 입력 레이어 프로세스는 초기 데이터가 네트워크에 공급되는 입력 레이어에서 시작됩니다. 각 입력에는 입력의 중요성을 나타내는 가중치가 할당됩니다. 이러한 가중치는 일반적으로 무작위로 초기화됩니다. 숨겨진 레이어 가중치가 적용된 입력은 하나 이상의 숨겨진 레이어..
