๋ณธ๋ฌธ ๋ฐ”๋กœ๊ฐ€๊ธฐ

์ „์ฒด ๊ธ€51

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 8๊ธฐ] 5์ฃผ์ฐจ ํšŒ๊ณ  1. ํ•œ ์ฃผ ๊ฐœ์š” ์ด๋ฒˆ 5์ฃผ์ฐจ์—๋Š” ์ถ”์„์ด ๊ฐ™์ด ๊ปด์žˆ์–ด์„œ ์‹œ๊ฐ„์œผ๋กœ ๋”ฐ์ง€๋ฉด 2์ฃผ ์ •๋„๊ฐ€ ์ง€๋‚ฌ๋‹ค5์ฃผ์ฐจ์˜ ๋‚ด์šฉ์€ ์ž์—ฐ์–ด ์ฒ˜๋ฆฌ, NLP ๊ธฐ์ดˆ ์ด๋ก ์ด์˜€๋‹ค์ž์—ฐ์–ด ๋ถ€๋ถ„์€ ๋ด์•ผ์ง€ ์ƒ๊ฐ๋งŒ ํ•˜๋‹ค ์ด๋ฒˆ ๊ต์œก์„ ํ†ตํ•ด ํ† ํฌ๋‚˜์ด์ง•, ์ž„๋ฒ ๋”ฉ ๋“ฑ์— ๋Œ€ํ•ด ๊ฐ™์ด ๋ณผ ์ˆ˜ ์žˆ๊ฒŒ ๋˜์—ˆ๋‹ค 4์ฃผ์ฐจ CV ์ด๋ก ๊ณผ ๋งˆ์ฐฌ๊ฐ€์ง€๋กœ ๊ธฐ์ดˆ๋ฅผ ์ž˜ ๋‹ค์ง€๋Š” ๊ฒƒ์— ์ดˆ์ ์ด ๋งž์ถฐ์ ธ์žˆ์—ˆ๋Š”๋ฐ ๊ด‘๋ฒ”์œ„ํ•˜๊ฒŒ ์ด๊ฒƒ์ €๊ฒƒ ๋‹ค ์„ค๋ช…ํ•˜๋Š” 4์ฃผ์ฐจ ๋ณด๋‹ค๋Š” ๋ด์•ผํ•  ๋ถ€๋ถ„๋“ค์„ ์ž˜ ์ขํ˜€์„œ ํƒ€๊ฒŸํŒ… ํ•ด์ค€ ๋ถ€๋ถ„์ด ์ข‹์•˜๋‹ค์ „ ์ฃผ์ฐจ์—๋Š” ๋ด์•ผํ•  ๋ฒ”์œ„๋ž‘ ๋‚ด์šฉ์€ ๋งŽ์€๋ฐ ์˜ค๋ฒ„๋ทฐ๋กœ ์‹น ๋ด๋ฒ„๋ฆฌ๋‹ˆ๊นŒ ์–ด๋””์— ์ง‘์ค‘์„ ํ•ด์•ผํ• ์ง€ ๋ชจ๋ฅด๊ฒ ๋‹ค๋Š” ๋А๋‚Œ์ด ์ปธ๋‹ค 10์›” 3์ผ๋ถ€ํ„ฐ 9์ผ๊นŒ์ง€ ์—ฐํœด ๋™์•ˆ ๊ต์œก๋„ ๊ฐ™์ด ์‰ฌ๋ฉด์„œ ๋ฐ€๋ฆฐ ๊ณต๋ถ€๋“ค์„ ์‹น๋‹ค ํ•ด๋‚ด๋Š” ๋ฉ‹์ง„ ๋ชจ์Šต์˜ ๋‚˜๋ฅผ ๊ธฐ๋Œ€ํ–ˆ์ง€๋งŒ.. ๋Š˜ ๊ทธ๋ ‡๋“ฏ ๊ณ„ํš๋งŒ ๊ฑฐ์ฐฝํ•˜๊ฒŒ ๋๋‚œ๋‹คํ˜ํŽœํ•˜์ž„๋‹˜ CNN ๊ฐ•์˜, Le.. 2025. 10. 10.
[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 8๊ธฐ] 4์ฃผ์ฐจ ํšŒ๊ณ  1. ํ•œ ์ฃผ ๊ฐœ์š” ๋ฒŒ์จ 4์ฃผ์ฐจ๋„ ๋.. ๋งค๋ฒˆ ์ฃผ์ฐจ๋ณ„๋กœ ํšŒ๊ณ ๋ฅผ ์ž‘์„ฑํ•  ๋•Œ๋งˆ๋‹ค ๋ฒŒ์จ ๋ผ๋Š” ๋‹จ์–ด๋ฅผ ๋ถ™์ด๊ฒŒ ๋ ๋งŒํผ ์ผ์ฃผ์ผ์ด๋ผ๋Š” ์‹œ๊ฐ„์ด ์ •๋ง ๋น ๋ฅด๊ฒŒ ์ง€๋‚˜๊ฐ„๋‹ค๊ทธ๋Ÿผ ํ•œ ์ฃผ ๋™์•ˆ ์ •๋ง ์—ด์‹ฌํžˆ ํ–ˆ๋Š”๊ฐ€ ๋ผ๊ณ  ์ƒ๊ฐํ•ด๋ณด๋ฉด ๊ทธ๊ฑด ์•„๋‹ˆ์˜€๊ธฐ์—.. ์ด๋ฒˆ ์ฃผ๋„ ์•„์‰ฌ์›€์ด ์ปธ๋‹ค์ €๋ฒˆ ์ฃผ์— ๋น„ํ•˜๋ฉด ๊ณต๋ถ€ํ•  ๋‚ด์šฉ์ด ๋น„๊ต์  ์ ์€..๊ฐ€? ๋ผ๊ณ  ํ•˜๊ธฐ์—” ๋ด์•ผํ•  ๋ถ€๋ถ„์€ ๋งŽ์€๋ฐ ์–ด๋””์„œ ์–ด๋””๊นŒ์ง€ ๋ด์•ผํ• ์ง€ ๋ช…ํ™•ํ•˜์ง€๊ฐ€ ์•Š์•„ ์—ฌ๋Ÿฌ๋ชจ๋กœ ํ—ท๊ฐˆ๋ฆฌ๋Š” ๋ถ€๋ถ„๋“ค์ด ๋งŽ์•˜๋‹ค ์ตœ๊ทผ์—๋Š” ์–ด๋–ป๊ฒŒ ๋ฐฉํ–ฅ์„ฑ์„ ์žก๊ณ  ๋š์‹ฌ์žˆ๊ฒŒ ๊ณต๋ถ€ํ•ด๋‚˜๊ฐˆ์ง€๊ฐ€ ๊ฐ€์žฅ ์ค‘์š”ํ•˜๋‹ค๊ณ  ๋А๋ผ๊ณ  ์žˆ๋‹ค 2. ์ด๋ฒˆ ์ฃผ ์ฃผ์š” ๋‚ด์šฉ ์ด๋ฒˆ ์ฃผ๋Š” CV ์ด๋ก ์ด ์ฃผ์š” ๋‚ด์šฉ์ด์—ˆ๋‹คCV๋ถ€ํ„ฐ ์‹œ์ž‘ํ•˜์—ฌ ์ผ์ฃผ์ผ์”ฉ ๋ถ€์ŠคํŠธ์บ ํ”„์˜ CV, NLP, ์ถ”์ฒœ 3๊ฐœ ํŠธ๋ž™์— ๋Œ€ํ•˜์—ฌ ๊ณต๋ถ€ํ•˜๋Š” ์‹œ๊ฐ„์„ ๊ฐ€์ง€๊ฒŒ ๋œ๋‹ค์ „๋ฐ˜์ ์ธ ๋‚ด์šฉ์— ๋Œ€ํ•ด ๋‹ค ๊ณต.. 2025. 9. 26.
[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 8๊ธฐ] 3์ฃผ์ฐจ ํšŒ๊ณ  1. ํ•œ ์ฃผ ๊ฐœ์š” ๋ถ€์ŠคํŠธ์บ ํ”„ 3์ฃผ์ฐจ๊ฐ€ ๋งˆ๋ฌด๋ฆฌ ๋˜์—ˆ๋‹ค์ด๋ฒˆ ์ฃผ์—๋Š” ML LifeCycle ์ธ๋ฐ ์ฃผ์š” ๋‚ด์šฉ์€ ๊ฐ„๋‹จํ•œ ๋ชจ๋ธ ์ง์ ‘ ๊ตฌํ˜„๊ณผ ํŠธ๋žœ์Šคํฌ๋จธ๊ฐ€ ๋ฉ”์ธ์ด์˜€๋‹ค1~2์ฃผ์ฐจ๋Š” ์ ์‘ํ•˜๋Š” ์‹œ๊ธฐ๋ผ ์–ด๋А์ •๋„ ๊ธด์žฅ๊ฐ์ด ์žˆ์—ˆ์œผ๋‚˜ ์ด์ œ ํ”„๋กœ๊ทธ๋žจ์— ์ ์‘๋˜๋ฉด์„œ ์˜คํžˆ๋ ค ๋‹ค์†Œ ๋ฃจ์ฆˆํ•ด์กŒ๋˜, ์•„์‰ฌ์šด ๋ถ€๋ถ„์ด ์žˆ์—ˆ๋˜ ํ•œ ์ฃผ์˜€๋‹ค 2. ์ด๋ฒˆ ์ฃผ ์ฃผ์š” ๋‚ด์šฉ ์œ„์—์„œ๋„ ๋งํ–ˆ๋“ฏ์ด, ์ด๋ฒˆ ์ฃผ ๊ต์œก์€ ML LifeCycle.1~2์ฃผ ๋™์•ˆ ํŒŒ์ดํ† ์น˜์˜ ์‚ฌ์šฉ๋ฒ•๊ณผ ์ˆ˜ํ•™, ํ•ต์‹ฌ์ธ ๊ฒฝ์‚ฌํ•˜๊ฐ•๋ฒ•๊ณผ ์—ญ์ „ํŒŒ ๋“ฑ์— ๋Œ€ํ•ด์„œ ๋ฐฐ์› ๋‹ค๋ฉด ์ด๋ฒˆ ์ฃผ์—๋Š” ์ด๊ฒƒ๋“ค์„ ์ „์ฒด์ ์œผ๋กœ ๋‹ค๋ค„์„œ ๊ฐ„๋‹จํ•œ ๋ชจ๋ธ์„ ๋งŒ๋“ค์–ด ๋ณด๊ณ  AI ํ•ต์‹ฌ ์ค‘ ํ•˜๋‚˜์ธ ํŠธ๋žœ์Šคํฌ๋จธ์— ๋Œ€ํ•ด ๋ฐฐ์› ๋‹ค ๋ชจ๋ธ ์ง์ ‘ ๊ตฌํ˜„์—์„œ ๊ฐ‘์ž๊ธฐ ํŠธ๋žœ์Šคํฌ๋จธ...?์‚ฌ์‹ค ๊ตฌ์„ฑ ์ž์ฒด๊ฐ€ ์ค‘๊ฐ„์— ๋ฐฐ์›Œ์•ผํ•  ๋งŽ์€ ๋‚ด์šฉ๋“ค์„ ๋‹ค ๊ฑด๋„ˆ๋›ฐ.. 2025. 9. 19.
NumPy ๋งŒ์œผ๋กœ 2-Layer Neural Network์™€ Backpropagation ๊ตฌํ˜„ํ•ด๋ณด๊ธฐ 1. ๋“ค์–ด๊ฐ€๋ฉฐ: ์™œ ์ง์ ‘ ๊ตฌํ˜„ํ•˜๋Š”๊ฐ€? ๋”ฅ๋Ÿฌ๋‹์„ ๋ฐฐ์šฐ๋Š” ๊ณผ์ •์—์„œ ์šฐ๋ฆฌ๋Š” 10์— 10์€ TensorFlow๋‚˜ PyTorch ๊ฐ™์€ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์‚ฌ์šฉํ•œ๋‹ค ๋ฌผ๋ก  ์ด๋“ค ํ”„๋ ˆ์ž„์›Œํฌ๋Š” ๊ฐ•๋ ฅํ•˜๊ณ  ํšจ์œจ์ ์ด์ง€๋งŒ, ์—ฐ์‚ฐ ๊ณผ์ •์ด ๋‚ด๋ถ€์ ์œผ๋กœ ๊ฐ์ถฐ์ ธ ์žˆ๊ธฐ ๋•Œ๋ฌธ์— ์‹ ๊ฒฝ๋ง์ด ์‹ค์ œ๋กœ ๋ฌด์—‡์„ ํ•˜๋Š”์ง€ ์ง๊ด€์ ์œผ๋กœ ์ดํ•ดํ•˜๊ธฐ ์–ด๋ ต๊ธฐ๋„ ํ•˜๋‹ค ๊ทธ๋ž˜์„œ ์ด๋ฒˆ ์‹ค์Šต์—์„œ๋Š” NumPy๋งŒ ์‚ฌ์šฉํ•˜์—ฌ 2-layer Neural Network๋ฅผ ์ง์ ‘ ๊ตฌํ˜„ํ•˜๊ณ , Forward Pass์™€ Backpropagation์„ ์ฐจ๊ทผ์ฐจ๊ทผ ์‚ดํŽด๋ณด์•˜๋‹คํ•ต์‹ฌ ๋ชฉํ‘œ: “์ฝ”๋“œ๊ฐ€ ๋Œ์•„๊ฐ€๋Š” ์ด์œ ๋ฅผ ์ดํ•ดํ•˜๊ณ , ๋ชจ๋“  ์—ฐ์‚ฐ๊ณผ ๋ฏธ๋ถ„ ๊ณผ์ •์ด ๋ˆˆ์— ๋ณด์ด๋„๋ก ํ•™์Šต” 2. ๋ฐ์ดํ„ฐ ์ค€๋น„: MNIST ์†๊ธ€์”จ ์ด๋ฏธ์ง€ ๋ฐ์ดํ„ฐ ํŠน์ง•28x28 ํ”ฝ์…€ ํ‘๋ฐฑ ์ด๋ฏธ์ง€Flattenํ•˜์—ฌ 784์ฐจ์› ๋ฒกํ„ฐ๋กœ ๋ณ€ํ™˜0.. 2025. 9. 18.
MSE Loss์™€ ์‹œ๊ทธ๋ชจ์ด๋“œ์—์„œ์˜ ์—ญ์ „ํŒŒ ์ดํ•ดํ•˜๊ธฐ ์ตœ๊ทผ์— ๊ณต๋ถ€ํ•˜๋ฉด์„œ ๊ฐ€์žฅ ํ—ท๊ฐˆ๋ ธ๋˜ ๋ถ€๋ถ„์ด ๋ฐ”๋กœ ์†์‹ค ํ•จ์ˆ˜์˜ ๋ฏธ๋ถ„, ๊ทธ๋ฆฌ๊ณ  ๊ทธ ์ดํ›„ ์‹œ๊ทธ๋ชจ์ด๋“œ ๋ฏธ๋ถ„ → ๊ฐ€์ค‘์น˜ ์—…๋ฐ์ดํŠธ ๊ณผ์ •์ด์—ˆ๋‹ค์ฒ˜์Œ์—๋Š” error = y - pred ๊ฐ™์€ ์ฝ”๋“œ๊ฐ€ ์™œ ๋งž๋Š”์ง€, ์™œ X.T @ error ๊ฐ™์€ ์—ฐ์‚ฐ์ด ๋‚˜์˜ค๋Š”์ง€ ์ดํ•ด๊ฐ€ ์ž˜ ์•ˆ ๊ฐ”๋‹ค๊ทธ๋ž˜์„œ ์ˆœ์ „ํŒŒ์™€ ์—ญ์ „ํŒŒ ๊ณผ์ •์„ ํ•˜๋‚˜์”ฉ ํ’€์–ด๊ฐ€๋ฉด์„œ ์ •๋ฆฌํ–ˆ๋‹ค 1. ์ˆœ์ „ํŒŒ (Forward Pass) ์ˆœ์ „ํŒŒ๋Š” ์ž…๋ ฅ ๋ฐ์ดํ„ฐ๋ฅผ ๋ชจ๋ธ์— ๋„ฃ์–ด์„œ ์˜ˆ์ธก๊ฐ’๊ณผ ์†์‹ค (loss)์„ ๊ณ„์‚ฐํ•˜๋Š” ๊ณผ์ •์ด๋‹ค. 1. ์ž…๋ ฅ ๋ฐ์ดํ„ฐ์™€ ์ •๋‹ต$ X = [[1, 2], [3, 4], [5, 6]] $$ y = [1, 0, 1] $ 2. ๊ฐ€์ค‘์น˜์™€ ํŽธํ–ฅ ์ดˆ๊ธฐ๊ฐ’$ beta = [0, 0] $$ b = 0 $ 3. ๋กœ์ง“ ๊ณ„์‚ฐ$$ z=Xβ+b $$ 4. ์‹œ๊ทธ๋ชจ์ด๋“œ ํ™œ์„ฑํ™”$$ \hat.. 2025. 9. 12.
[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 8๊ธฐ] 2์ฃผ์ฐจ ํšŒ๊ณ  1. ํ•œ ์ฃผ ๊ฐœ์š” ๋ถ€์ŠคํŠธ์บ ํ”„ 2์ฃผ์ฐจ๋„ ๋ฒŒ์จ ๋..์ €๋ฒˆ ์ฃผ๋Š” ํŒŒ์ดํ† ์น˜, ์ด๋ฒˆ ์ฃผ๋Š” ์ˆ˜ํ•™์„ ๋ฉ”์ธ์œผ๋กœ ๊ฐ•์˜ ๋“ฃ๊ณ  ๊ณผ์ œ๋ฅผ ํ•˜์˜€๋‹ค์ˆ˜ํ•™์ด๋ผ ๋‚œ์ด๋„๋Š” ๊ฝค ์žˆ๋Š” ํŽธ.. ํ•˜๋ฃจ์ข…์ผ ๊ฐ•์˜๋ž‘ ๋ณต์Šต, ๊ณผ์ œ๋งŒ ํ•ด๋„ ์‹œ๊ฐ„์ด ์‚ด์‚ด ๋…น์•˜๋‹ค๋ฒŒ์จ 9์›”๋„ 3๋ถ„์˜ 1์ด ์ง€๋‚ฌ๋‹ค๋‹ˆ.. ๐Ÿ˜‡๐Ÿ˜‡ 2. ์ด๋ฒˆ ์ฃผ ์ฃผ์š” ๋‚ด์šฉ ์ˆ˜ํ•™์—์„œ ๋ฐฐ์šธ ๋‚ด์šฉ๋“ค์€ ์—„์ฒญ ๋งŽ์ง€๋งŒ ํ•œ ์ฃผ๋ผ๋Š” ํ•œ์ •๋œ ์‹œ๊ฐ„ ๋‚ด์— ๋ฏธ์ ๋ถ„, ์„ ํ˜•๋Œ€์ˆ˜, ํ™•๋ฅ ๊ณผ ํ†ต๊ณ„ ๋“ฑ๋“ฑ ๋งŽ์€ ๋‚ด์šฉ์„ ๋‹ค๋ฃจ๊ธฐ๋Š” ํž˜๋“ค๋‹ค์ด๋ฒˆ ์ฃผ์— ์ฃผ๋กœ ๋“ค์€ ๋‚ด์šฉ์€ ์ •๋ง ๊ธฐ๋ณธ์ ์ด๋ฉด์„œ๋„ ๊ผญ ์•Œ์•„์•ผ ํ•˜๋Š” ์ˆ˜ํ•™ ๊ฐœ๋…๋“ค, ๋ฒกํ„ฐ์™€ ํ–‰๋ ฌ, ํ…์„œ, ๊ธฐ๊ณ„ ํ•™์Šต์˜ ํ•ต์‹ฌ์ธ ๊ฒฝ์‚ฌํ•˜๊ฐ•๋ฒ•๊ณผ ํ™•๋ฅ  & ํ†ต๊ณ„์— ๋Œ€ํ•ด ๋‹ค๋ฃจ์—ˆ๋‹ค ๊ฐ•์˜ ๋ณด๋ฉด์„œ ํ•œ๋ฒˆ์— ์ดํ•ด ์•ˆ๋˜๋Š”๊ฑด ๊ธฐ๋ณธ, ๊ณผ์ œํ•˜๋ฉด์„œ ์ดํ•ด๋˜๊ธฐ๋„ ํ•˜๊ณ  ๋”ฐ๋กœ ์˜ˆ์ œ๋‚˜ ChatGPT์—๊ฒŒ ๋ฌธ์ œ๋ฅผ ๋งŒ๋“ค์–ด๋‹ฌ๋ผ๊ณ  ํ•ด์„œ.. 2025. 9. 12.