Deep learning19 GDG : AI 미션코스 Week4 Week2 : Dense 층으로 모델 만들기Week3 : RNN과 LSTM으로 모델 만들기Week4는 Transformer 기반 감성 분류 모델을 만들어보았다. 마침 저번주에 Transformer가 나온 논문(Attention Is All You Need)을 리뷰했었다.복습하는 느낌으로 공부했다~먼저 Transformer를 구현할 때 필요한 라이브러리를 임포트 했다.Copyfrom tensorflow.keras.layers import ( Embedding, Dense, Dropout, LayerNormalization, Input, GlobalAveragePooling1D)from tensorflow.keras.models import Model, Sequentialfrom tensorflo.. 2025. 11. 28. GDG : AI 미션 코스 Week3 Week2에서는 Dense 층만으로 모델을 만들고 fit()하면서 결과를 확인해 봤다.Week3에서는 모델을 업그레이드해서 성능을 좋게 만들어보자.→ 더 깊은 자연어 처리 모델 만들기.SimpleRNN으로 모델 만들기기존 Dense 모델은 문장 순서를 반영하지 못하는 단점이 있었다.c.f. “배우 연기는 좋았지만 스토리가 아쉬웠다”와 “스토리는 아쉬웠지만 배우 연기는 좋았다”는 거의 같은 단어를 사용하지만, 순서에 따라 평가가 달라지기 때문에 Dense 모델을 사용하기 애매하다.SimpleRNN은 가중치 초기화와 내부 상태 초기값에 더 민감하다.RNN : 순서가 있는 데이터를 처리하고 예측하는 딥러닝 모델로, 과거 데이터를 기억하면서 가중치를 붙이는 순환적 구조를 가지고 있다.Copyrnn_model =.. 2025. 11. 21. [Machine Learning & Deep Learning 공부] 머신러닝 모델 Server 배포 오늘은 인프런 강의 "파이썬을 활용한 머신러닝 딥러닝 입문"의 마지막 강의 정리 글이다.이렇게 처음부터 끝까지 티스토리에 정리하면서 공부하니 감회가 새롭다. 이제 함께 머신러닝 모델을 서버에 넣어서 배포해 보자.YOLO : You Only Look OnceYOLO는 이미지에 사용되는 모델이다.YOLO 특징Unified, Real-Time Object DetectionFast speed & real-time demo에 많이 사용된다.정확도와 속도가 높은 YOLOv2가 있다.YOLO의 주요 ComponentsBonding Box Prediction : 이미지 내의 객체를 빠르게 찾기 위해 전체 이미지를 여러 셀로 나누고, 각 셀이 객체 존재 여부와 위치, 크기, 종류를 동시에 예측하는 방식위 사진에서 이미지.. 2025. 7. 18. [Machine Learning & Deep Learning 공부] GAN 실습 이번엔 전 시간에 배운 GAN 모델을 직접 작성해 보는 실습을 해볼 것이다.그전에 GAN 모델을 만들 때 주의할 점을 먼저 설명하겠다.복습 차원에서 GAN 모델은 두 개의 네트워크를 가지는데 Discriminator(감별자)과 Generator(생성자)이다.Discriminator의 목표는 실제 데이터를 '진짜'(1)로 인식하고 Generator에서 공급되는 가짜 데이터를 '가짜'(0)로 구분하는 것이다.Generator의 목표는 Discriminator가 '진짜'(1)로 인식할 가짜 데이터를 생성하는 것이다.따라서 Discriminator train 시에는 Generator를 constant 하게 freeze 하고, Generator train 시에는 Discriminator를 constant 하게 f.. 2025. 7. 17. [Machine Learning & Deep Learning 공부] GAN 이제 마지막 이론 수업이다.마지막 내용은 GAN이다.길다면 길고, 짧다면 짧게 머신러닝과 딥러닝들을 고루고루 배우는 수업이었다.이렇게 정리하면서 공부를 하니, 머리에도 많이 남고 눈에 볼 수 있는 기록이 생겨 감회가 새롭다. 현재 나는 자대 AI LAB에서 학부연구생을 병행하고 있는데, 여기서 배우는 내용들도 이제 정리해야겠다..!주절주절 그만하고 이제 GAN에 대해서 배워보자!GAN : Generative Adversarial Network(생성형 적대 모델)Computer가 이미지, 인간의 목소리, 악기 소리 등을 실제와 같이 생성해내는 모델위조를 만드는 생성자 Network와 위조를 판별하는 판별자 Network로 구성https://www.thispersondoesnotexist.com이 사이트에서.. 2025. 7. 17. [Machine Learning & Deep Learning 공부] Deep Auto-Encoder 실습 이번엔 전 시간에 배운 Auto-Encoder에서 좀 더 복잡해진 구조인 Deep Auto-Encoder에 대해서 배우고 실습해 볼 것이다. Deep Auto-Encoder는 다음 그림과 같이 Encoder Layer가 여러 개이고, Decoder Layer도 여러 개 있는 Auto-Encoder이다.Deep Auto-Encoder를 Stacked Autoencoder라고도 부른다.이제 실습해 보자!LIBRARY IMPORT# 기존 Mnist 데이터 셋이 너무 쉬워서 새로 나온 Fashion_Mnistimport numpy as npimport tensorflow as tffrom tensorflow.keras.datasets import fashion_mnistfrom tensorflow.keras i.. 2025. 7. 15. [Machine Learning & Deep Learning 공부] Auto-Encoder 실습 오늘은 간단하게 데이터를 직접 만들어서 Autoencoder를 실습해 보겠다!지난번 배운 Autoencoder에 대해 간단히 설명하고 시작하겠다.Autoencoder는 데이터를 압축(인코딩)한 뒤, 다시 원래 데이터로 복원(디코딩)하도록 학습하는 신경망 구조주요 목적은 차원 축소와 특징 추출로, 입력 데이터의 본질적인 정보만을 남기고 불필요한 부분은 제거LIBRARY IMPORTimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Denseimport numpy as npimport matplotlib.pyplot as p.. 2025. 7. 15. [Machine Learning & Deep Learning 공부] 비지도 학습 & Auto-Encoder 오늘은 Deep Neural Network, 비지도 학습에 대해서 배워볼 것이다.비지도 학습은 초반부에 나왔던 개념이다.비지도 학습 : 레이블 없이 데이터의 특징을 학습이 비지도 학습에 주로 사용되는 신경망 구조가 Autoencoder이다Autoencoder는 먼저 차원을 감소시킨다. 이를 통해 most relevant feature을 추출한다. Autoencoder를 적용하는 분야는 다음과 같다.정보의 압축Noise 제거유사한 image 검색Image 변형에 의한 새로운 Image 생성Pre-Training꼭 비지도 학습에만 사용하지는 않다는 것을 알 수 있다.그림에서 PCA는 linear transformation이고, Autoencoder는 non-linear transformation인 것을 알 .. 2025. 7. 15. [Machine Learning & Deep Learning 공부] LSTM 실습 지난번에 이어 오늘은 RNN 중 LSTM을 응용하여, 애플 주식의 가격을 예측하는 모델을 만드는 실습을 진행했다!복습! RNN은 시퀀스 데이터에 특화되어, 기억 능력을 가지고 있다. RNN의 구조 중, LSTM(Long Short-Term Memory)를 이용하면 장기기억을 가진 모델을 만들 수 있다.먼저 LIBRARY IMPORT 하자import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn.preprocessing import MinMaxScalerimport yfinance as yfimport tensorflow as tffrom tensorflow.keras.models i.. 2025. 7. 14. [Machine Learning & Deep Learning 공부] RNN 실습 이제 RNN을 실습해 보겠다!복습!RNN은 시퀀스 데이터에 특화되어, 기억 능력을 가지고 있다. RNN의 구조 중, LSTM(Long Short-Term Memory)를 이용하면 장기기억을 가진 모델을 만들 수 있다. 이번 실습은 LSTM을 이용해서, 연속된 5개의 숫자를 보고 다음 숫자를 알아맞히도록 하는 모델을 만들어볼 것이다.먼저, LIBRARY IMPORT를 하자.import numpy as npimport tensorflow as tffrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Dense, LSTMkeras의 모델에서 Dense와 LSTM을 가져온 것을 확인할 수 있다.이번엔 직접 Trainin.. 2025. 7. 14. 이전 1 2 다음
