본문 바로가기

Data Science

 (51)
[논문리뷰/CV] YOLO(You Only Look Once: Unified, Real-Time Object Detection) 객체 탐지 모델 YOLO You Only Look Once: Unified, Real-Time Object Detection 논문을 리뷰한 게시글 입니다 1. 소개 1.1 Two-Stage Detector vs One-Stage Detector regional proposal과 classification이 순차적으로 이루어짐. classification과 localization문제를 순차적으로 해결 E.G, R-CNN계열 (R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN ...) regional proposal와 classification이 동시에 이루어짐 즉, classification과 localization문제를 동시에 해결하는 방법 E.G, YOLO 계열, SSD 계..
[논문리뷰/CV] Faster R-CNN 모델 (R-CNN, Fast R-CNN과 비교) Computer Vision모델 중 Faster R-CNN 모델의 논문 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks를 리뷰한 게시글입니다. #FBF977 ✅Summary Intro Faster R-CNN은 고전적인 객체 탐지 시스템에서 속도의 병목 현상(Selective search알고리즘을 통해 regeion proposals를 추출하기 때문에 발생)을 해결하기 위해 개발된 객체 탐지 프레임워크이다. 이 방법은 이미지 내 객체의 위치를 가정하는 지역 제안(region proposal) 알고리즘의 계산 부담을 줄일 수 있었다. Faster R-CNN은 지역 제안 네트워크(Region Proposal Netwo..
[A/B test] Ch6. 조직 운영을 위한 지표 | 목표지표, 동인 지표, 가드레일 지표 intro 조직은 좋은 지표를 가져야 한다 → 설명 책임을 측정 OKR( Objective , Key, Results 목표, 핵심, 결과 ) Objective : 장기 목표 Results : 목표를 향한 단기적이고 측정 가능한 결과 목표를 향한 진보를 추적하기 위한 좋은 지표가 필요하다 (기준, 작성 및 평가 방법) 지표의 분류 조직 지표 전체에 초점을 맞춰 논의 ( 7장 , 실험에 대한 특정 지표 논의 , 21장 실험에 경보를 주는 가드레일 지표 ) 조직지표는 목표지표, 동인지료, 가드레일 지표가 있음 1. 목표 지표goal metrics = 성공지표, 북극 지표 목표 지표 : 추구하는 궁극적 성공을 포착하는 단일 or 작은 지표 집합 (조직이 궁극적으로 무엇을 신경쓰는지를 보여주는것) 각 이니셔티브가..
[논문리뷰] GPT-1 : Improving Language understanding by Generative pre-Training (2018년) GPT-1은 OpenAI에서 Improving Language understandingby Generative pre-Training (2018년) 논문에서 공개된 Transformer의 decorder만 활용한 자연어 모델입니다. 해당 글은 이 논문의 리뷰입니다. 논문 원문 : GPT-1 (https://s3-us-west-2.amazonaws.com/openai-assets/research-covers/language-unsupervised/language_understanding_paper.pdf) 1 Introduction 1. 첫 번째 섹션 : 기존의 자연어 처리 방법, 그것들이 겪는 주요한 문제점들에 대해 논의 - 기존 모델들의 제한된 문맥 이해와 처리 능력, 그리고 복잡한 작업에 대한 어려움..
[논문 리뷰] Sequence to Sequence Learning with Neural Networks(Seq2Seq) (2014) NLP논문 Sequence to Sequence Learning with Neural Networks 논문을 읽고 정리한 내용입니다 1. Introduction 심층 신경망(DNNs)은 음성 인식 및 시각 객체 인식과 같은 어려운 문제에 대한 탁월한 성능을 달성하는 매우 강력한 기계 학습 모델 적은 수의 단계로 임의의 병렬 계산을 수행 예) 2개의 2차 크기의 숨겨진 레이어만 사용하여 N개의 N비트 숫자를 정렬할 수 있는 능력 신경망은 기존의 통계 모델과 관련이 있지만 복잡한 계산을 학습 벨이 지정된 교육 세트가 네트워크의 매개 변수를 명시하는 데 충분한 정보를 가지고 있을 때 큰 DNNs는 지도된 역전파를 사용하여 훈련 문제 : DNNs는 입력 및 대상이 고정 차원의 벡터로 합리적으로 인코딩 될 수있는..
[프로그래머스] SQL | Join 2문제 출처 : 프로그래머스 SQL 고득점 Kit - JOIN 1. 주문량이 많은 아이스크림들 조회하기 2. 5월 식품들의 총매출 조회하기 1. 주문량이 많은 아이스크림들 조회하기 7월 아이스크림 총 주문량과 상반기의 아이스크림 총 주문량을 더한 값이 큰 순서대로 상위 3개의 맛을 조회 — 7월의 경우 같은 맛이더라도 다른 출하 번호가짐 — 정렬 조건은 총주문량을 더한 값을 내림차순 해설1 Join을 사용하지않고, union을 사용 (나의 답) 강의에서 배운 with절을 사용해 세로로 합친 = Union 임시테이블 생성 → group by flavor하되 order by에서 정렬기준을 주문량의 합으로 내림차순함. 쿼리 내에서 반복적으로 사용하는 테이블을 정의해서, 반복x, 대용량 처리에서는 성능 저하 발생 가능..
[SQL] 기본 구문 | SELECT 절, WHERE절, ORDER BY절 select절은 조회, where 절은 행에 제약조건을 거는 것이고, order by절은 컬럼의 정렬기준(ASC,DESC)을 거는 것 SELECT 기본 구문 - 연산자, 컬럼 별칭 select 컬럼명 from 테이블명 [as 별칭] select 컬럼명, 컬럼명 [, .....] => 조회할 컬럼 지정. *: 모든 컬럼 from 테이블명 => 조회할 테이블 지정. 컬럼명 [as 별칭] ==> 컬럼명에서 조회한 것을 별칭에 저장해서 보여준다 SQL: 대소문자 구분 안함. (값은 구분) SELECT절 - 조회 use hr; # hr 데이터 베이스를 사용 #emp테이블의 모든 칼럼의 모든 항목을 조회 select * from emp; #emp테이블의 직원 ID(emp_id), 직원 이름 (emp_name), 업..
[Module 4] 6.Ensemble | 머신러닝 모델을 동시에 사용하기 Ensemble Learning 이미 사용하고 있거나 개발한 알고리즘의 간단한 확장 Supervised learning task에서 성능을 올릴 수 있는 방법 Emsemble(함께, 동시에, 한꺼번에 협력하여 - 프랑스어 /소규모의 합주단 - 영어) => 머신러닝에서 알고리즘의 종류에 상관 없이 서로 다르거나, 같이 매커니즘으로 동작하는 다양한 머신러닝 모델을 묶어 함께 사용하는 방식 구조 1. 각 모델에 Data Set을 S1 ~SN까지 나눠서 학습을 진행 학습하는 Ensemble은 서로 다른 모델로 구성될 수 있지만 같은 학습모델로 구성될 수도 있음 그래서 같은 학습데이터로 학습하는 것을 지양해야함 2. 각각 학습을 진행한 다수의 모델의 다수결 Voting으로 예측결과를 제공 장점 예측 모델을 안정적..

티스토리툴바