Attention Mechanism and Transformers [16] 요즘 AI산업을 이끌고 있는 LLM의 기본원리인 Attention Mechanism을 이용한 Transformer 모델에 대한 공부이다. 좀 더 자세한 내용은 Attention is all you need 라는 구글의 유명한 논문을 읽어보길 바란다. Data Science/ML & DL 2025.03.11
Sequential Data & Recurrent Neural Network [15] Data size가 정확히 Fix 되지 않은 Sequential Data에 대한 처리는 어떤 모델을 이용해서 할 것인지에 대한 공부이다. RNN이라는 순환신경망모델을 사용하는데, 그 원리는 무엇인지 자세히 알아보는 시간이다. 꽤나 복잡한 Model이라 꼼꼼히 살펴봐야한다. Data Science/ML & DL 2025.03.11
Training Neural Network [14] 딥러닝모델을 Training하는 방법에 대한 공부다. 어떤 함수를 Activation function으로 쓸 지, Data 전처리는 어떻게 진행하는 지를 공부한다. 그리고 이어서, 딥러닝모델을 Regularization 하고 Overfit을 피하는 방법을 소개한다. Data Science/ML & DL 2025.03.11
Convolution Neural Network [13] 흔히 CNN이라고 불리우는 Convolution Neural Network에 대한 공부이다. 딥러닝 모델이 왜 이렇게 계산량이 많은지 이해가 가능하며, 왜 그렇게 많은 GPU가 Deep learing model train에 필요한 지 알 수가 있다. Data Science/ML & DL 2025.03.11
Neural Network & Backpropagation [12] 본격적인 Deeplearning 시작파트이다. Deeplearning의 근간이 되는 NN에 대해 알아보고, 어떤 계산법을 통해 학습을 진행하는 지 알아본다. Data Science/ML & DL 2025.03.11
Nearest Neighbors, Softmax Classifier [11] KNN과 Soft-max classifier에 대한 학습이다. KNN의 경우 Graph를 보면 직관적으로 이 모델이 무엇을 하는 지 잘 알 수 있고, Soft-max는 muli class 분류에 적절히 쓸 수 있다. Data Science/ML & DL 2025.03.11
Unsupervised Learning [10] 머신러닝에서 정답 Label이 없이 학습하는 Unsupervised learing에 대한 공부이다. 비지도학습에는 어떤 것들이 있고, 그 메커니즘은 어떻게 되는지 알아본다. Data Science/ML & DL 2025.03.11
Support Vector Machine [9] 머신러닝의 Classifier model 중 끝판왕에 대한 소개이다. Deep learing이 발전하기 전까지 정확도 측면에서 가장 효과적인 모델로 여겨지던 Model이다. Data Science/ML & DL 2025.03.11
Ensemble Method and Boosting [8] 머신러닝 모델을 좀 더 강화해서 쓸 수 있는 방안에 대한 공부다. 대표적으로 앙상블 / 부스팅기법이 있고 이것들이 무엇이며 이것들의 기저에는 무엇이 있는지 공부해본다. Data Science/ML & DL 2025.03.11
Decision Trees [7] 머신러닝 모델중 의사결정나무에 대한 공부다. Regression / Classification 모두 가능한 모델이고 분류기준이 직관적이라 Interretation이 잘 되는 모델이다. 다만, 성능은 타 모델 대비 상대적으로 좀 떨어지는 단점이 있다. Data Science/ML & DL 2025.03.11
