Zzang

빅프로젝트 발표회 길다고 생각했지만 너무 짧게 느껴졌던 빅프로젝트가 완료되었다. 목요일에 제출을하고, 그 다음주 화요일에 메타버스에서 AI/DX 빅프로젝트 발표회가 열렸다.  솔직히 처음에는 엥 메타버스 발표회? 이런 반응이였는데 막상 해보니까 캐릭터도 귀엽게 꾸밀 수 있고 자유롭게 돌아다니며 구경이 가능해서 시간가는 줄 몰랐다. 각자 조의 발표 부스에 가면 방명록 남기기, 발표 영상 보기, 발표 PPT보기, 발표 포스터 보기의 활동이 가능하다. 그리고 방명록에 몇개에 좋아요가 있는지.. 어떤 내용을 달아주시는 지가 은근 신경이 많이 쓰이고 경쟁이 붙는다 .. ㅋㅋㅋㅋㅋㅋㅋㅋㅋ 우리 반 부스들이 다 구석에 있어서 너무 아쉬웠음 ㅠㅠ 그래서 여기저기 다른 조 부스가서 발표보고 칭찬 남기고 우리 조도 와달라..

어느덧 빅프로젝트 4주차를 향해 달려가고 있다 !! 처음에는 한달넘게 진행하는 프로젝트가 정말 길 것 같다고 생각했는데,지금은 시간이 너무 빨리가서 시간이 부족하다 ;;;  일단 1주차, 2주차는 주제 정하느라고 시간을 다 썼다. 주제 정하는 것이 어렵다는 후기를 많이 봐서 어려울 것이라고 예상은 했지만, 이정도일 줄은 몰랐다....매일매일 각자 주제내고 기각하고.. 하나 정해서 구체화하다가 기각하고의 반복이다..우리 팀은 mural이라는 협업 플랫폼에서 무작위로 아이디어를 적어보기도 했다.  Work better together with Mural's visual work platform | MuralIncrease connection and teamwork with our secure, flexibl..

KT에이블스쿨 7기 모집이 시작되었습니다 !에이블 6기를 시작한지 얼마되지 않은 것 같은데 벌써 수료가 한달이 남았다는 사실을 믿고싶지 않네요 .. * 합격후기 및 절차는 이전에 올린 게시글을 참조하시길 바랍니다.  KT 에이블스쿨 6기 dx컨설턴트 합격 후기1. KT 에이블스쿨이란?KT 주관의 AI관련 국비교육이다. 트랙은 Ai개발자 트랙과 DX컨설턴트 트랙 두가지로 나뉘어 진행된다.AI 개발자 트랙 : AI를 활용하여 기업 비즈니스 가치를 높이는 서비스 개yulmu-tea-t.tistory.com  지금 빅프로젝트를 진행하고 있는 시점에서 후기를 조금 더 추가해보자면, 일단 취업을 준비하고 있는 사람들에게는 정말 강추한다. 소속감도 없고 불안정하던 백수시절 보다, 교육도 듣고 같은 상황에 있는 교육생..

모든 교육 수업일정이 끝나고 마지막 미니 프로젝트로 6, 7차 미니프로젝트를 진행했다.  이전과 달라진 점은 조별 인원이 인원이 늘어났다!원래 4개조였는데 3개조로 나누면서 한조 당 인원이 8~9명으로 늘어났다.(빅프로젝트 조도 그대로 진행된다) 6, 7차 미니프로젝트는 우리가 실제로 고객사의 제안요청서(RFP)를 토대로 고객사의 요구에따라 DX솔루션을 제안하는 전과정을 진행하게된다.실제 존재하는 고객사는 아니고, aivle에서 임의로 만드신 고객사의 홈페이지, 인터뷰, 제안요청서를 기반으로 진행한다. (퀄리티 너무 좋음) 그렇기 때문에 이전 미니프로젝트에 비해서 개별 프로젝트 시간보다 조별 프로젝트 시간이 훨씬 길어졌고,비대면보다 대면으로 많이 참여하게 됐다.  6차제안요청서에 크게 기술 요청사항, 일..

IT 인프라14주차에는 IT인프라에 대해서 학습했다. DX컨설턴트 과정에 웬 IT인프라?라고 생각할수도 있겠지만,강사님이 말씀하셨듯이 모든 디지털 서비스는 IT인프라 위에서 서비스되기 때문에 매우 중요한 과정이라고 생각한다.  1. IT 인프라 이해2. 스위치 네트워크 구성3. Ip 네트워크 이해4. 서버와 스토리지5. 고가용성 IT인프라6. 서비스 요구사항 분석 및 인프라 설계순서로 배우게 된다.  개념뿐만 아니라 CISCO Packet Tracer, VM가상환경 Linux 실습을 같이 병행하기 때문에더 이해가 쉬웟고 흥미를 가질 수 있었다.  특히, CISCO Packet Tracer를 실제 현업에서도 인프라 설계하는 용도로 사용하다고 하는데 직접 인프라 구성을 설계하고 배치해볼 수 있어서 좋았다. ..

3, 4일차 3, 4일차에는 1, 2일차에 수집하고 annotation한 데이터를 기반으로 계속해서 모델을 학습시켰다.  1. 웹캠으로 얼굴만 1500장 수집하고, 회전 및 노이즈로 증강(X3)한 데이터 셋 - 총 데이터셋 수는 약 5천장?- epoch를 10을 주고 학습 (문제)- 웹캠을 통해 모델 성능을 확인해본 결과 성능이 별로 뛰어나지 않음- 내 얼굴을 카메라에 가까이 들이밀어야만 나로 인식=> WHY?1) 웹캠으로 내 얼굴을 찍었을 때, 내 얼굴만 확대해서 찍기 때문에 주변 배경이 안나옴. 즉, 확대된 내 얼굴만 학습하고 뒷 배경에 대한 학습이 부족함.  2) 다른 사람 얼굴 데이터는 약 7천장이 존재하고, 한 장에 여러명의 얼굴이 존재하는 사진들도 있음.내 얼굴에 대한 클래스 데이터는 약 5천..

roboflow : 모델링을 하기 전에 이미지를 annotation하고 전처리 및 증강을 할 수 있도록 도와주는 툴https://roboflow.com/ Roboflow: Computer vision tools for developers and enterprisesEverything you need to build and deploy computer vision models, from automated annotation tools to high-performance deployment solutions.roboflow.com 1. 이미지 수집-> 클래스 별로 약 50~70장의 이미지를 수집 (손아픈데 귀여워서 좀 힐링) 이렇게 수집한 이미지들을 로보플로우에 업로드 2. annotation 작업-> an..

1. 은닉층에서는 어떤 일이 ?!1) 연결 Fully Connected Locally Connected 모든 노드 간에 연결특정 노드들을 묶어서 제어 2) 학습예측 값, 실제 값을 비교하며 오차함수로 오차를 계산하고-> 오차를 줄이기 위해, 가중치(파라미터)를 업데이트=> 오차를 최소화하는 최적의 가중치를 찾음 3) Feature Representation* Locally Connected에서(1) 은닉층의 각 노드는 새로운 요인(feature)을 만들어냄      - 기존의 변수(입력 변수)의 가중치를 활용-> 여기서 집값을 예측할 때 Z1은 내부적 요인, Z2는 외부적 요인으로 구분지을 수 있음 (2) 내부요인과 외부요인에 다른 가중치를 두어 최종집 값을 예측 가능-> 최종 집값 = 0.7*내부요인..

7주차에는 데이터를 예측하기 위한 머신러닝 모델링을 학습했다. 1. 지도학습 VS 비지도 학습머신러닝은 학습 방법에 따라 크게 지도학습, 비지도 학습으로 나눌 수 있다. 쉽게 말하면,지도학습 : 입력 데이터와 해당 데이터의 정답을 바탕으로 학습. (정답이 있음)비지도 학습 : 입력 데이터만으로 학습. (정답이 없음) 2. 분류 VS 회귀그리고 어떤 데이터를 예측할 건지에 따라 분류와 회귀(지도 학습)로 나뉘어진다. +군집화(비지도 학습)쉽게 말하면, 분류 : 여러 클래스 중 하나로 분류되는 값. ex) 이거냐? 저거냐?회귀 : 연속적인 수치의 값. ex) 점수가 몇점?=> 분류인지, 회귀인지에 따라 머신러닝 학습을 위한 알고리즘과 평가함수가 달라짐. 3. 변수와 타겟독립 변수 (X_feature) : t..

데이터 분석을 위한 데이터 크롤링 방법을 학습했다.  1. 웹서버웹에서 데이터를 가져와야 하기에 먼저, 웹서버의 서버와 클라이언트 동작에 대해 학습했다.  나는 해당 내용을 전공수업에서 배웠는데도 다 까먹어서 ,,, 은근 헷갈리고 어려웠다. 비전공자 분들은 정말 어려우셨을 것 같기도 하다.  2. 정적/동적 페이지다음은 정적 페이지와 동적 페이지의 데이터를 가져오는 방식의 차이에 대해 학습했다. 데이터 웹 크롤링을 할 때 해당 페이지가 동적인지, 정적인지에 따라서 크롤링 방법이 다르기 때문이다.  아 그리고 클라이언트의 request 방식인 get인지, post인지에 따라서도 다르다.  3. 실습실습은 실제 네이버 증권 홈페이지, 직방 홈페이지 등에서 개발자도구(f12)를 켜서 Network탭에서 url..