도비의 기술부채 인력소

1. 겁 없이 문과의 길에서 도전하다... 오랜만에 이력서를 정리하던 중 1년 전 내가 본격적으로 AI에 빠지게 된 계기가 생각이 났다. 그래서 그때의 경험을 조금 살려서 기록하면서 그때의 열정을 느껴보고 싶어서 3편의 후기를 작성하게 되었다. 또한 올해 6월 달 부터 `빅리더 인턴십`이라는 프로그램으로 다시 진행된다는 소식을 듣고 지금쯤 신청을 다하고 어떤 프로그램인지 궁금해하실 `미래의 빅리더` 분들을 위해서 작성한 부분도 있다😀 당시에 교내 과 동아리에서 빅데이터 동아리를 통해서 간단한 데이터 분석이나 테블로 같이 시각화 등 데이터 분석에 대한 입문을 하게 되었는데 어느 정도 흥미를 느끼고 있었다 그러던 중 교내 홈페이지에서 빅리더 AI 아카데미라는 프로그램을 홍보하는 글을 보게 되었고, 여름방학 ..

참고 문헌 [선형대수] 기저(basis)의 의미 기저(basis)의 의미 losskatsu.github.io 행렬과 선형변환 - 공돌이의 수학정리노트 (Angelo's Math Notes) angeloyeo.github.io 1. 좌표 평면에서 기저 행렬 변환을 이해하기 위해서는 `기저 벡터`에 대한 이해가 필요하다 위 두개의 2차원 좌표 평면이 존재한다고 가정해보자 그리고 이를 행렬로 표현 하면 아래와 같다 1번 2번 그렇다면 이 행렬들은 모두 해당 좌표 평면의 기저가 될 수 있을까? 1번의 경우 될 수 있지만 2번의 경우 불가능하다 2번의 경우 사실상 나타내는 것은 X축에 불과하기 때문이다 또한 1번의 경우는 선형변환을 통해서 좌표 평면의 모든 점을 표현할 수 있다 따라서 1번의 경우는 기저 벡터가 ..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 10 1. EfficinetDet 1. EfficinetDet EfficientDet 논문(EfficientDet: Scalable and Efficient Object Detection) 리뷰 이번에는 CVPR 2020년에 발표된 EfficientDet 논문(EfficientDet: Scalable and Efficient Object Detection)을 읽고 리뷰해보도록 하겠습니다. 당시 object detection 모델은 모두 속도와 정확도 사이의 트레이드오프(trade- herbwood..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 10 1. 1 Stage Detectors 2. YOLO v1 3. SSD 1. 1 stage Detectors 앞에서 살펴본 2 stage model의 경우 1. Localization을 하고 이를 기반으로 2. Classification을 진행하였다 이러한 방법은 정확성은 꽤 높게 나왔지만 속도가 매우 느리다는 단점이 존재했다 그러면 Real Time에서 Object Detector를 사용할 방법은 없을까? 이러한 의문에서 등장하게된 것이 1 stage Detectors이다 1 Stage mo..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 10 1. Neck 1.1 FPN 1.2 PANet 2. After Neck 2.1 DetectoRS 2.2 BiFPN 2.3 NASFPN 2.4 AugFPN Intro. 우리는 지난 시간에 Object Detection Model 중 2 Stage Detectors들에 대해서 알아 보았다 위의 사진에서 확인할 수 있듯이 2 Stage 모델들은 Backbone CNN의 마지막 층에서 나온 feature map을 갖고 RPN을 통해서 Region을 Proposal하고 이를 기반을 Prediction..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 9 1. R-CNN 2. SPPNet 3. Fast R-CNN 4. Faster R-CNN Intro. 이제 본격적으로 object detection 모델에 대해서 배워보자 우선 detection 모델에 대해서 자세히 알기 위해서는 1 Stage Detectors와 2 Stage Detectors의 개념을 알아야한다 두 방법의 차이점은 정확성과 속도의 trade off와 관련이 있다 숫자에서 알 수 있듯이 2 Stage의 경우 속도는 느리지만 정확성이 상대적으로 높은 편이고 1 Stage의 경우 ..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 9 1. Confusion Matrix - Precision, Recall 2. Intersection Over union - IoU 3. PR Curve 4. Average Precision - AP 5. Mean Average Precision - mAP Intro Computer Vision 분야에서 Obejct Detection은 Deep learning의 발전이후 급격하게 관심을 받고 발전한 분야이다 Object Detection과 기존 Classification과의 차이점은 input ..

✅8주차 회고 level 1 대회가 끝이 나고 `서비스 기초`에 대한 강의를 들었다 강의를 통해서 Python 버전 관리, Docker, MLOps 등 다양한 실질적 기술을 습득할 수 있었다 -8주차 아쉬운 점- 딱히 아쉬운 점은 없는 한주였다 개인적인 논문 리뷰를 하지 못했다 다음 주 부터 있을 대회 준비를 하지 못했다 -8주차 좋았던 점- 편안하게 수업 내용을 정리하면서 추가적으로 공부한 것 1일 1백준을 제대로 풀이하면서 알고리즘 실력을 늘린것 다양한 분야의 공부를 새롭게 시작한 것 ✅9주차 목표 Week 9에서는 이러한 교훈을 기반 삼아 아래의 목표를 설정하려고 한다 실행 여부는 다음주 이 시간에 회고하면서 확인할 것이다 1일 1백준 유지하기🔥 Object Detection 논문 리뷰하기 & 리뷰..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 8 1. Docker ? 2. Docker 실습해보기 참고 : 설마 또 지나치는 거 아니지? 궁금해하던 도커인데? 진짜 쉽게 설명했어.. 이번엔 진짜 확실히 알고가자!!!! velog.io 1. Docker? 사실 처음 도커를 접했을 때 이해가 되지 않았다 약간 `그들만 사는 세상`의 느낌이 이라기 보다는 `이해될 것 같은 데 먼가 이해가 안가는`? 애매한 포지션의 이해였다 그러던 중 부스트캠프트의 Docker 수업을 듣고 조금 더 찾아보면서 이해를 하기 시작했다 어쩌면 이해를 하기 싫었던 것이..

본 글은 네이버 부스트 캠프 AI Tech 기간동안 개인적으로 배운 내용들을 주단위로 정리한 글입니다 본 글의 내용은 새롭게 알게 된 내용을 중심으로 정리하였고 복습 중요도를 선정해서 정리하였습니다 ✅ Week 8 1. Linux 2. Shell Command 1. Linux Linux의 경우 서버환경의 컴퓨터를 다룰때 많이 만나게 된다 사실상 ML / DL을 한다면 Linux는 필수적으로 알고있어야한다 Linux의 장점은 다음과 같다 1. Free, 오픈 소스 - 역시 공짜가 최고야 2. 안정성, 신뢰성, 유닉스라 안정성과 신뢰성이 좋아 3. 쉘 커맨드, 쉘 스크립트를 활용해서 효율적으로 운영가능 Linux가 거부감이 드는 이유는 대부분 CLI 기반에서 실행되기 때문이다 즉, Terminal 환경에서 ..