분류 전체보기(23)
-
ADSP - 과목 2 - 데이터 분석 기획
2-1. 데이터 분석 기획의 이해2-1-1. 분석 기획 방향성 도출#분석 기획의 정의와 특징- 실제 분석을 수행하기에 앞서 분석을 수행할 과제의 정의 및 의도했던 결과를 도출할 수 있도록 하는 방안을 사전에 계획하는 일련의 작업이다. - 분석 과제 및 프로젝트를 직접 수행하는 것은 아니지만, 어떠한 목표를 달성하기 위하여 어떤 데이터를 가지고 어떤 방식으로 수행할지에 대한 일련의 계획을 수립하는 작업이기 때문에 성공적인 분석 결과를 도출하기 위한 중요한 사전 작업이다. - 분석을 기획한다는 것은 해당 문제 영역에 대한 전문성 역량 및 수학/통계학적 지식을 활용한 분석 역량과 분석의 도구인 데이터 및 프로그래밍 기술 역량에 대한 균형 잡힌 시각을 가지고 방향성 및 계획을 수립해야 한다는 것을 의미한다. -..
2024.02.19 -
ADSP - 과목 1 데이터의 이해
1-1-1. 데이터와 정보 #데이터의 정의- 데이터는 추론과 추정의 근거를 이루는 사실- 단순한 객체로서의 가치 뿐만 아니라 다른 객체와의 상호관계 속에서 가치를 가지는 것으로 설명되고 있다. #데이터의 특성- 존재적 특성: 객관적 사실- 당위적 특성: 추론·예측·전망·추정을 위한 근거 #데이터의 유형 - 정성적(qualitative) 데이터: 그 형태와 형식이 정해져 있지 않아서 저장, 검색, 분석하는데 많은 비용과 기술적 투자가 수반된다. 예) 언어, 문자 등 - 정량적(quantitative) 데이터: 데이터의 양이 크게 증가하더라도 저장, 검색, 분석하여 활용하기 용이하다. 예) 수치 #지식경영의 핵심 이슈- 데이터는 지식경영..
2024.02.16 -
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
본 리뷰는 마이크로소프트에서 발표한 Swin Transformer를 다룸. 이전 논문 리뷰에 Attention Is All You Need를 다뤘는데, 이미지의 픽셀이 늘어나면 늘어날수록 모든 Patch의 조합에 대해 self-attention을 수행하는것은 불가능해짐. Hierarchical Vision Transformer using Shifted Windows는 한국어로 직역하면 "이동된 window를 사용하는 계층적 비전 트랜스포머"가 되는데, "계층적(Hierarchical)"은 여러 단계의 해상도나 컨텍스트를 고려하는 모델 구조를 의미하고, self-attention 계산을 위해 창(window)의 위치를 이동시키는 메커니즘임. 0. Background Previous Problem 1. 기존..
2024.01.16 -
Transformer (Attention Is All You Need)
Attention Is All You Need에 대해 리뷰함. 이전에 다른 블로그와 논문리뷰를 모두 읽고 들어봤지만, 상위레벨에서 리뷰된것들 뿐이라, 하위레벨까지 리뷰하려고 함. 하지만 이렇게 리뷰할 때, 양이 너무 많이지고, 처음보는 사람들은 뒤로갈수록 앞의 내용이 기억이 안날수 있었음. 그래서 최소한의 하위레벨설명으로 줄였음. 0. Background Seq2Seq 다음 seq2seq 모델을 보면, LSTM cell들이 하나씩있고, 인코더와 디코더의 파트로 나뉘어져있는데, 토큰들을 각 lstm에 넣게되면, HIdden state(LSTM의 기억셀 Ct C t 와, 결과값 ht h t )로 나오는데, 뒤로 갈수록 (h1,h2,h3) 앞에있는 히든스테이트를 반영하게 됨. (lstm의 특징) 마지막으로 h..
2023.12.12 -
MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID
1. Introduce [NAS & REID] MSInet은 신경망 아키텍처에서 feature 찾는 것(NAS) 을 개선한 것으로, REID는 학습할 객체의 특성을 기반으로 유사성을 보는데, (코사인,L1L2등) 유사성의 스코어에 따라 계산하고 객체를 재식별하여 이미지를 비교함. [Twins Contrastive Mechanism (TCM)] Unbinding Categories TCM는 학습 및 검증 데이터 세트의 클래스를 분리 하는 메커니즘으로 시작합니다. ReID에서는 학습 세트와 검증 세트가 서로 다른 카테고리를 가질 수있음 즉 고정되어있는 클래스가 아닌 TCM은 훈련 및 검증 세트에서 더 넓은 클래스의 중첩을 동적으로 조정하여 클래스간의 차이를 일반화하는 메커니즘. Providing Approp..
2023.11.25 -
Sync
os 시스템엔지니어분들이 sync를 터미널에서 자주 사용하는것을 발견. 이 명령어는 데이터 동기화를 해주는 명령어로, 즉 현재 까지 작업해온 데이터가 손실 나지않도록 해준다. 즉, 디스크에 저장되어있지않은 시스템버퍼에있는 데이터를 저장해준다. 또한 시스템의 연산속도를 증가시켜 전체적인 시스템의 성능을 향상시켜줌.
2023.04.12