티스토리

오늘 뭐 개발하지?

검색하기

블로그 홈

오늘 뭐 개발하지?

ceuity.tistory.com/m

에버 님의 블로그입니다.

구독자: 4

방명록 방문하기

주요 글 목록

[SSAC X AIFFEL] 뉴스 요약봇 만들기 11. 뉴스 요약봇 만들기 학습 목표 Extractive/Abstractive summarization 이해하기 단어장 크기를 줄이는 다양한 text normalization 적용해보기 seq2seq의 성능을 Up시키는 Attention Mechanism 적용하기 텍스트 요약(Text Summarization)이란? 텍스트 요약(Text Summarization)이란 위 그림과 같이 긴 길이의 문서(Document) 원문을 핵심 주제만으로 구성된 짧은 요약(Summary) 문장들로 변환하는 것을 말한다. 상대적으로 큰 텍스트인 뉴스 기사로 작은 텍스트인 뉴스 제목을 만들어내는 것이 텍스트 요약의 대표적인 예로 볼 수 있다. 이때 중요한 것은 요약 전후에 정보 손실 발생이 최소화되어야 한다는 점이다. 이것.. 공감수 0 댓글수 0 2021. 3. 5.
[SSAC X AIFFEL] 인물사진 모드로 사진찍기 10. 인물사진 모드로 사진찍기 인물사진 모드란, 피사체를 촬영할 때 배경이 흐려지는 효과를 넣어주는 것을 이야기 한다. 물론 DSLR의 아웃포커스 효과와는 다른 방식으로 구현한다. 핸드폰 카메라의 인물사진 모드는 듀얼 카메라를 이용해 아웃포커싱 기능을 흉내낸다. DSLR에서는 사진을 촬영할 때 피사계 심도(depth of field, DOF)를 얕게 하여 초점이 맞은 피사체를 제외한 배경을 흐리게 만든다. 핸드폰 인물사진 모드는 화각이 다른 두 렌즈를 사용한다. 일반(광각) 렌즈에서는 배경을 촬영하고 망원 렌즈에서는 인물을 촬영한 뒤 배경을 흐리게 처리한 후 망원 렌즈의 인물과 적절하게 합성한다. 인물사진 모드에서 사용되는 용어 한국에서는 배경을 흐리게 하는 기술을 주로 '아웃포커싱'이라고 표현한다. .. 공감수 0 댓글수 0 2021. 3. 3.
[SSAC X AIFFEL] 캐글 경진대회 따라해보기 오늘은 지난 2월 2일에 진행했던 캐글 경진대회 첫 참가한 소감을 적어볼 예정이다. www.kaggle.com/c/2019-2nd-ml-month-with-kakr/overview 2019 2nd ML month with KaKR 캐글 코리아와 함께하는 2nd ML 대회 - House Price Prediction www.kaggle.com 이미 지난 대회였기 때문에 각종 솔루션들이 많이 올라와 있어서 컴페티션에 처음 참가하는 나와 같은 사람들에게는 입문하기 좋은 대회였던 것 같다. 인공지능 분야 공부를 시작하면서 꼭 달성하고 싶은 목표 중 하나가 캐글 컴페티션에서 메달을 얻어보는 것인데, 그 시작의 첫 걸음이라고 생각했다. 첫 참가라 어떻게 해야 할지 막막했지만, 우선 Baseline이 되는 노트북을 .. 공감수 2 댓글수 0 2021. 2. 26.
[SSAC X AIFFEL] 아이유팬이 좋아할 만한 다른 아티스트 찾기 8. 아이유팬이 좋아할 만한 다른 아티스트 찾기 학습목표 추천시스템의 개념과 목적을 이해한다. Implicit 라이브러리를 활용하여 Matrix Factorization(이하 MF) 기반의 추천 모델을 만들어 본다. 음악 감상 기록을 활용하여 비슷한 아티스트를 찾고 아티스트를 추천해 본다. 추천 시스템에서 자주 사용되는 데이터 구조인 CSR Matrix을 익힌다 유저의 행위 데이터 중 Explicit data와 Implicit data의 차이점을 익힌다. 새로운 데이터셋으로 직접 추천 모델을 만들어 본다. 추천시스템이란? 추천시스템이란, 데이터를 바탕으로 유저가 좋아할 만한 콘텐츠를 찾아서 자동으로 보여주거나 추천해주는 기능이다. 추천시스템의 원리는 간단하게 설명하면 나와 비슷한 다른 사용자들이 좋아하는.. 공감수 0 댓글수 0 2021. 2. 16.
[SSAC X AIFFEL] 나랑 닮은 연예인은 누구? Copy of 7. 나랑 닮은 연예인은 누구? 실습목표 임베딩에 대해 이해하고 얼굴의 임베딩 벡터를 추출한다. 얼굴의 임베딩 벡터로 닮은 꼴인 얼굴을 찾는다. 나와 가까운 연예인을 찾아낸다. 임베딩이란? 컴퓨터에는 감각기관이 없어서 우리가 쉽게 인지하는 시각, 촉각, 청각 정보들을 즉각적으로 판단하기 어렵다. 오직 0과 1의 조합으로 데이터를 표현해주어야 한다. 우리는 어떻게 컴퓨터에게 다양한 형태의 정보를 표현해줄 수 있을까? 우리는 어떤 벡터 공간(Vector Space)에다가 우리가 표현하고자 하는 정보를 Mapping하는 방법을 사용할 수 밖에 없다. 단어나 이미지 오브젝트나 무언가를 벡터로 표현한다면, 그것은 원점에서 출발한 벡터 공간상의 한 점이 될 것이다. 따라서, 우리가 하고 싶은 것은 점.. 공감수 1 댓글수 0 2021. 2. 15.
[SSAC X AIFFEL] 작사가 인공지능 만들기 Copy of 6. 작사가 인공지능 만들기 학습목표 인공지능이 문장을 이해하는 방식에 대해 알아본다. 시퀀스에 대해 알아본다. 시퀀스(Sequence) 시퀀스는 데이터에 순서(번호)를 붙여 나열한 것이다. 시퀀스의 특징은 다음과 같다. 데이터를 순서대로 하나씩 나열하여 나타낸 데이터 구조이다. 특정 위치(~번째)의 데이터를 가리킬 수 있다. 문장은 각 단어들이 문법이라는 규칙을 따라 배열되어 있기 때문에 시퀀스 데이터로 볼 수 있다. 문법은 복잡하기 때문에 문장 데이터를 이용한 인공지능을 만들 때에는 통계에 기반한 방법을 이용한다. 순환신경망(RNN) 나는 공부를 [ ]에서 빈 칸에는 한다 라는 단어가 들어갈 것이다. 문장에는 앞 뒤 문맥에 따라 통계적으로 많이 사용되는 단어들이 있다. 인공지능이 글을 .. 공감수 0 댓글수 0 2021. 2. 8.
[SSAC X AIFFEL] 인공지능 모델로 음성 단어 구분하기 사람이 말하는 단어를 인공지능 모델로 구분해보자 학습목표 Audio 형태의 데이터를 다루는 방법에 대해서 알아보기 Wav 파일의 형태와 원리를 이해하기 오디오데이터를 다른 다양한 형태로 변형시켜보기 차원이 다른 데이터에 사용가능한 classification 모델 직접 제작해보기 음성과 오디오 데이터 (1) 파동으로서의 소리 소리는 진동으로 인한 공기의 압축을 이야기하며, 압축이 얼마나됐느냐는 파동(Wave)로 나타낼 수 있다. 소리에서 얻을 수 있는 물리량 진폭(Amplitude) → 강도(Intensity) 주파수(Frequency) →소리의 높낮이(Pitch) 위상(Phase) → 음색 (2) 오디오 데이터의 디지털화 연속적인 아날로그 신호 중 가장 단순한 형태인 sin 함수를 수식으로 표현하면 다음.. 공감수 2 댓글수 1 2021. 1. 29.
[SSAC X AIFFEL] 영화리뷰 텍스트 감성분석 하기 학습목표 텍스트 데이터를 머신러닝 입출력용 수치데이터로 변환하는 과정을 이해한다. RNN의 특징을 이해하고 시퀀셜한 데이터를 다루는 방법을 이해한다. 1-D CNN으로도 텍스트를 처리할 수 있음을 이해한다. IMDB와 네이버 영화리뷰 데이터셋을 이용한 영화리뷰 감성분류 실습을 진행한다. 텍스트 감정 분석 (1) 텍스트 감정 분석의 유용성 SNS 등에서 얻을 수 있는 광범위한 분량의 텍스트 데이터는 소비자들의 개인적, 감성적 반응이 잘 담겨있을 뿐만 아니라 실시간 트렌드를 빠르게 반영할 수 있는 데이터이다. 텍스트 감성분석 접근법 기계학습 기반 감성사전 기반 사전 기반의 감성분석이 기계학습 기반 접근법 대비 가지는 한계점 분석 대상에 따라 같은 단어지만 반대의 극성을 가지는 가능성에 대응하기 어려움 긍정과.. 공감수 1 댓글수 0 2021. 1. 22.
[SSAC X AIFFEL] 카메라 스티커 앱 만들기 첫걸음 3. 카메라 스티커 앱 만들기 첫걸음 학습 목표 카메라앱 만들기를 통해 동영상 처리, 검출, 키포인트 추정, 추적, 카메라 원근 의 기술을 다룬다. 간단한 스티커부터 시작해서 각도 변화가 가능하고 거리 변화에 강건한 스티커 까지 만들 수 있다. 얼굴인식 카메라의 흐름을 이해할 수 있다. dlib 라이브러리를 사용할 수 있다. 이미지 배열의 인덱싱 예외 처리를 할 수 있다. 1. 카메라 스티커 앱 만들기 스티커를 세밀하고 자연스럽게 적용하기 위해서는 눈, 코, 입, 귀와 같은 얼굴 각각의 위치를 아는 것이 중요하다. 이들을 찾아내는 기술을 랜드마크(landmark)또는 조정(alignment)이라고 한다. 조금 더 큰 범위로는 keypoint detection 이라고 부른다. 얼굴이 포함된 사진을 준비한다.. 공감수 2 댓글수 2 2021. 1. 13.
[SSAC X AIFFEL] 사이킷런(scikit-learn): Iris 품종 분류해보기 2. Iris의 세 가지 품종, 분류해볼 수 있겠어요? 학습 목표 scikit-learn에 내장되어 있는 예제 데이터셋의 종류를 알고 활용할 수 있다. scikit-learn에 내장되어 있는 분류 모델들을 학습시키고 예측해 볼 수 있다. 모델의 성능을 평가하는 지표의 종류에 대해 이해하고, 활용 및 확인해 볼 수 있다. Decision Tree, SGD, RandomForest, 로지스틱 회귀 모델을 활용해서 간단하게 학습 및 예측해 볼 수 있다. 데이터셋을 사용해서 스스로 분류 기초 실습을 진행할 수 있다. 1. 붓꽃 분류 문제 (1) 어떤 데이터를 사용할 것인가? 붓꽃 데이터는 머신러닝에서 많이 사용되는 라이브러리 중 하나인 사이킷런(scikit-learn)에 내장되어 있는 데이터이다. 사이킷런 데이.. 공감수 4 댓글수 0 2021. 1. 8.
[SSAC X AIFFEL] 첫 딥러닝 모델: 가위바위보 분류기 오늘은 아이펠 첫 Exploration 노드를 진행하였다. 나는 이론보다는 실전파라 더 기대가 되는 날이었다. 매번 인터넷으로만 보던 딥러닝 모델을 내가 직접 구현해볼 수 있는 아주 좋은 기회였다. 물론 처음부터 모든 코드를 내가 짠 것은 아니지만, 지금은 어떻게 작동을 하는지 그 원리를 이해하고 익히는 것이 중요하다고 생각한다. 처음에는 노드를 열심히 따라가면서 코드를 하나하나 실행시켜 보는 것으로 시작해서, 가위바위보를 분류하는 모델은 앞서 모델링되어있는 자료를 참고하여 내가 직접 복붙(?)한 코드이다. 물론 MNIST를 이용한 숫자 분류와는 조금 다른 부분이 있어서 해당 부분만 수정할 줄 안다면 그다지 어렵지 않은 과제였다. 라고 생각했던 때가 있었지... How to make? 일반적으로 딥러닝 .. 공감수 4 댓글수 0 2021. 1. 5.
[SSAC X AIFFEL] 첫 글쓰기 최근에 Computer Science 분야를 공부하면서 공부한 내용을 notion에 정리해두었다. 추후 블로그로 옮겨야지 하면서 생각만 하고 있었는데 AIFFEL에서 글쓰기 시간이 주어져서 이렇게 블로그를 생성하고 글을 쓴다. 물론 이전에 쓰던 블로그도 있지만, 너무 오래된 설정들이 남아있어서 고치는 것 보다는 새로 만드는 게 빠를 것 같아서 새로 만들었다. 앞으로는 열심히 블로그에 글을 남겨야겠다. 공감수 7 댓글수 0 2020. 12. 31.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.