AI_학습노트 (25) 썸네일형 리스트형 _04.[CS231N] Lecture1. ** 제가 작성하는 CS231n 노트는 강의를 번역하는것이아니라, 부족하지만 노베이스인 제가 여러 학습 자료를 통해 이 강의를 이해한 내용을 정리해 두고자 함입니다. 따라서 어려운 개념의 수식이나, 이야기를 길어지게하는 디테일은 되도록 생략하려 합니다. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. 1.1 컴퓨터 비전분야 속 딥러닝 1.2 허블과 비셀실험 1.3 컴퓨터 비전기기술의 미래 1.1 컴퓨터 비전분야 속 딥러닝 1강에서는 컴퓨터 비전의 역사와 컴퓨터 비전분야에서의 딥러님의 역사를 설명한다. 컴퓨터 비전의 개념적 출발점이라고 할 수 있는 허블(Huble).. _03. DL-CNN을 이용한 이미지 인식의 개념정리 앞서 머신러닝의 전체적인 그림이 그려졌다면, 강의를 보기전, CS231n 강의에 대한 전체적인 그림도 그려보고 가자~! 강의 내용시 기본 지식이 되는 꼭 필요한 CNN구조의 이미지 분류에 대한 기본 개념을 먼저 공부하자. CS231n의 전체적인 강의는 이 CNN구조로 가는 흐름과 CNN의 세부 사항에 관한 이야기이다. 아래 블로그를 통해서, 학습한 후 진짜 세부강의로 들어가서 스터디 하길 추천한다. 물론, 이 사항은 노베이스 학습자의 경우에 기반한다. 이미 이러한 지식이 있는 사람은 .. 그저 부러울 뿐.. ^^ [딥러닝 초보자를 위한 CNN을 이용한 이미지 인식의 이해](2016년도 작성글: 조대협님의 블로그] _02. CS231n_목차 및 링크 CS231n 과정 구조 전반부 1. linear classifiers (선형분류기) : 1강 / 2강 / 3강 2. Stochastic gradient descent (확률적 경사하강법) : 4강 3. Fully-connected networks : 5강 4. Convolutional networks 5. Recurrent networks 후반부 6. Attention and transformers 7. Object detection 8. Image segmentation 9. Video classification 10. Generative models (GANs, VAEs, autoregressive models) 11. Deep reinforcement learning 숙명여대 CS231n강의 (20.. _01. CS231 보기전 머신러닝 인스톨하기 노베이스라면, 아래 그림을 먼저 보고 CS231 스터디를 시작하자. *이 그림이 뇌 속에 인스톨되는데 한 달이 걸렸다. 난 노베이스 입니다만.^^ *CS231 2019 michigan버젼을 6강까지 듣고 정리한 내용으로 이후 수정사항이 있을 수 있으며, 언제든지 잘못된 정보는 댓글로 알려주시면, 반영하여 수정하도록 하겠습니다. AIFFEL의 과정을 시작하면서 머리 속에 아무런 그림이 없어서, 어떤 정보가 입력되어도 파편화되어 쌓이거나 사라질 뿐 적당한 인덱스에 저장되지 않았다. 그 중 CS231 강의는 더욱 혼란 스러웠다. CS231 스터디를 시작하기 전 노베이스라면, 아래 그림을 기억해 두고, 강의를 들으면서 수시로 내가 학습하는 정보의 인덱스가 어디쯤인지 상기시켜야 한다. 그리고 왜 CS231이었는가.. _10. 우분투에서 구글 이미지 크롤링 E-7노드 하다보니 필요해서 정리해 봅니다. 성공하긴 했는데, 이미지 퀄리티는 잘 모르겠네요. 환경설정: 1. 파이썬으로 구글 이미지 크롤링 하기: 링크클릭 2. 우분투에 selenium 설치하기 : 링크클릭 *참고사항: 제일 먼저 설치하는 xlrd는 sudo없이 pip로 설치 함. 적용코드 (쥬피터 노트북에서 실행함) 코드 링크 : git 바로가기 _09. 사이킷런으로 구현해 보는 머신러닝 사이킷런(Scikit-Learn)은 머신러닝용 라이브러리 이다.데이터를 분류(classification), 회귀(regression), 군집화(clustering), 차원감소(demensionality reduction)하는 방법의 4가지 알고리즘을 가지고 있다. 이 중 라벨링(Labeled) 분류로 classification과 clustering이 있고, 데이터의 양으로 나뉘는 regression과 dimensionality reduce가 있다. 사이키런 알고리즘 치트키 데이터에 따라 의사결정트리, 랜덤 포레스트, SVM 등의 모델중 어떤 모델로 학습을 시킬지 정하다. 실습과정은 데이터를 load->데이터 사이즈 fit->데이터 slpit->모델적용->평가의 단계를 가진다. 예제를 통해 머신러닝의 학습.. _07. GIT 시작하기+GITHUB 명령어 모음 1.Step: Github에 Repositories 만들기 2.Step: 내 컴퓨터로 git에 만든 repo복사하기. * 원격저장소를 로컬저장소로 가져오는 작업. 터미널에서 원하는 디렉토리로 이동하여 아래 명령어 실행. $ git clone https://github.com/sunny191019/python_code 3.Step: 내 컴퓨터의 python_code 폴더로 이동하여 아래 명령어 실행 *깃헙에 있는 동일 폴더와 내 컴으로 복사한 동일 폴더를 연결(초기화)해 주는 작업 $ git init **이 때, 내 브랜치가 master인지 main인지 알려주니, 기억할 것!! push할 때 필요사항 임.** 4. Step: README.md 파일과 .gitignore 파일 만들어서 커밋하기~ *READM.. _02. coma반 수업 노트필기_Part1 첫 수업 후 마음이 급해졌다. 매일 나름의 진도를 나가던 파이썬은 꽤 성실히 하고 있다고 생각했는데, 첫 수업에서 성큼 진도가 나간 덕분에 금방 원점이 되었다. 나의 만족은 늘 섣부르고, 나의 노력은 늘 미치지 못하는구나... 코딩 언어는 반복하고 또 반복해야 알아가고 있다는 느낌이 들 것 같다. 초급 부분을 지난 일주일간 책으로, 문제로, 동영상으로 착실히 반복했다고 생각했는데, 선뜻 기억이 나질 않는다. 그래도 AIFFEL 시작 후 가장 마음이 편안했던 시간이었다. coma반에서의 강의 노트를 github에 정리해서 올리고 여기에 링크를 모아두려고 한다. 노트에는 복습하면서 더불어 연습하고 싶었던 부분을 함께 모아두었다. 내 재산이다. ~.~!! LECTURE_01-1 : LECTURE_01-2 : .. 이전 1 2 3 4 다음
