일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- 패스트캠퍼스AI부트캠프
- 타입
- receiver method
- array
- 스코프
- struct
- 상수
- package
- scope
- golang pointer
- 국비지원
- golang slice
- slice
- golang
- 변수
- 패스트캠퍼스업스테이지부트캠프
- Pointer
- golang slice remove
- UpstageAILab
- 함수
- method
- 패스트캠퍼스
- keyword
- 메서드
- 패스트캠퍼스업스테이지에이아이랩
- Interface
- golang array
- golang interface
- 업스테이지패스트캠퍼스
- receiver
- Today
- Total
목록2025/02 (5)
느리지만 꾸준히, 코딩

dim이란?Tensor에서 dim을 지정하는 이유는 데이터를 특정 차원(축, dimension) 기준으로 연산하기 위해서입니다.머신러닝과 딥러닝에서는 다차원 데이터(Tensor)를 다룰 때 차원을 기준으로 합(sum), 평균(mean), 최대값(max) 등의 연산을 수행해야 합니다. 코드 예시# 3x3 Tensor 생성tensor = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 전체 합계print(torch.sum(tensor)) # 45# 열을 기준으로 합계 (dim=0) → 세로 방향 합print(torch.sum(tensor, dim=0)) # tensor([12, 15..
여러 층으로 구성된 뉴럴 네트워크(Neural Network)의 구조를 이해하기 쉽게 정리해봄📌 뉴럴 네트워크를 학생들이 여러 줄로 서 있는 구조로 이해하기👉 상황 4명의 학생(A, B, C, D)이 한 줄로만 서 있는 것이 아니라 여러 층(줄)으로 서 있음. 즉, 한 줄이 아니라 입력층(첫 번째 줄), 은닉층(중간 줄), 출력층(마지막 줄)으로 구성됨. 각 학생(뉴런)은 자신이 받은 정보를 가공해서 다음 층으로 전달함.⏳ Step 1: 순전파 (Forward Propagation)학생들이 여러 줄(층)로 서 있음💡 예제:문제 = "5 + 3 = ?"을 풀어라 입력층 (Input Layer)은닉층 (Hidden Layer)출력층 (Output Layer)A1: "5를 입력"B1: "이걸 2배..
1️⃣ 머신러닝 & 최적화 기법🔹 퍼셉트론 (Perceptron)가장 단순한 인공 신경망 모델로 이진 분류에 사용활성화 함수: 스텝 함수가중치와 편향을 조정하여 최적의 결정 경계를 찾음🔹 가중치 초기화Xavier 초기화: tanh, sigmoid 활성화 함수에 적합, 분산 유지He 초기화: ReLU 계열에 적합, 기울기 소실 방지🔹 경사 하강법 (Gradient Descent)손실 함수의 기울기를 이용해 모델 최적화확률적 경사 하강법 (SGD): 일부 샘플(batch)만 사용하여 연산량 절약모멘텀 (Momentum): 이전 기울기를 반영해 더 빠르고 안정적인 학습NAG (Nesterov Accelerated Gradient): 기울기를 미리 예측하여 정밀한 업데이트 수행Adam: Momentum과 ..

프로젝트 소개기상 데이터를 기반으로 MLOps를 설계하고 운영하는 데 중점을 둠MLOps의 실제 적용 사례를 통해 데이터 활용에서 서비스 배포까지의 전 과정을 경험해보기기간: 2025. 01. 16 ~ 2025. 02.03팀원: 5명역할: MLOps 엔지니어링 & CI/CD 파이프라인 구축주요 작업데이터 수집 및 전처리모델 개발 및 학습MLOps 파이프라인 구축모니터링 및 유지보수아키텍처 설계 다이어그램많은 MLOps 도구들프로젝트 초기에는 다양한 MLOps도구들이 있다는것을 알 수 있었습니다.하지만, 많은 도구들이 왜 나왔고 어떠한 용도로 사용되어야 하는지 알기 힘들었습니다. 저희 팀은 단순히 MLOps 도구들을 경험해보는 것보다, 작은 단계부터 직접 구축하며 전체적인 흐름을 이해하는 것이 훨씬 더 실..