데이터/ML & DL

🫡아래 자료를 참고하였습니다.TeddyNote Youtube오몰내알 Tistory blog🔻Recall, Precision, F1-score 복습 ML/DL을 공부한 사람들은 이미 이 평가지표들에 대해 익술할 것이다. RAG도 큰 틀에서 보면 검색한 문서가 정답인지 아닌지 분류하는 classification task라고 볼 수 있으므로 해당 task의 평가지표를 활용할 수 있다. 아래의 간단한 예제를 통해 recall, precision, f1-score 계산 방법을 복습해보자. (노란 gt는 negative, 파란 gt는 positive)N,P : 예측이 true인지, false인지에 대한 정보T,F : 예측이 맞았는지 틀렸는지에 대한 정보gt (ground truth) : 정답..

◾프로젝트 소개 BITAMin 12기 마지막 프로젝트로 Auto Readme Generator 프로젝트를 진행하고 있다. 발표용 pdf 자료를 입력하면 자동으로 Github Repository용 readme 파일을 생성해주는 서비스를 개발하는 것이 목표이다. 이를 위해 여러 작업을 수행해야 하는데, 크게 이미지 처리 작업과 텍스트 처리 작업으로 나뉜다. 그 중 이미지 처리에서는 pdf에서 이미지를 추출하여 해당 이미지가 readme 파일에 포함되어야 할 중요한 이미지인지 아닌지를 구분하는 작업이 필요하다. 해당 작업을 위해 우리는 일반적인 머신러닝 및 딥러닝 프로젝트에서 chart(plot, graph), diagram, table 이미지가 중요하게 사용된다는 점에 착안하여 ..

LG AILG와 청년들이 함께 만드는 더 가치 있는 미래www.lgaimers.ai 머신러닝과 딥러닝에 대해 기초적인 내용을 다시 공부하고 실전 데이터 분석 강의를 수강하기 위해 LG Aimers 5기를 신청했습니다.LG Aimers에서 듣는 강의는 Notion에 정리 중이니 궁금하신 분들은 Notion 방문해서 봐주시면 감사하겠습니다~   LG-Aimers 5th | Notion💫 Curriculumskier-song9.notion.site

참고 - 12-09 파이토치(PyTorch)의 nn.Embedding() https://wikidocs.net/64779🫡 12-09 파이토치(PyTorch)의 nn.Embedding()파이토치에서는 임베딩 벡터를 사용하는 방법이 크게 두 가지가 있습니다. 바로 임베딩 층(embedding layer)을 만들어 훈련 데이터로부터 처음부터 임베딩 벡터를 학습하는 …wikidocs.net🔻파이토치의 임베딩 방식파이토치에는 크게 2가지 방식으로 임베딩을 할 수 있다.embedding layer를 만들어 처음부터 train dataset을 활용해 학습하는 방식torch.nn.Embedding 클래스는 1번 방식을 위한 모듈이다.pre-trained model을 활용해 임베딩하는 방식🔻임베딩 원리 및 과정?..

References - 파이썬과 케라스를 이용한 딥러닝/강화학습 주식투자 (개정판) https://github.com/quantylab/rltrader GitHub - quantylab/rltrader: 파이썬과 케라스를 이용한 딥러닝/강화학습 주식투자 - 퀀트 투자, 알고리 파이썬과 케라스를 이용한 딥러닝/강화학습 주식투자 - 퀀트 투자, 알고리즘 트레이딩을 위한 최첨단 해법 입문 (개정판) - quantylab/rltrader github.com ◾금융 데이터 분석 방법 🔻기본적 분석 기본적 분석 fundamental analysis : 기업의 가치, 산업, 경제를 평가하는 분석 방법 → 지표를 이용한 분석 기업의 가치 : 재무제표를 분석하여 회사의 수익성, 안정성, 성장성 등을 판단한다. PER, ..

본 포스팅은 notion 페이지를 그대로 옮긴 것입니다. notion-"Monte Carlo Method" Monte Carlo Method | Notion ◾Intro skier-song9.notion.site * 본 포스팅은 고려대 오승상 교수님의 강의를 정리한 것입니다.

본 포스팅은 notion 페이지를 그대로 옮긴 것입니다. notion-"Markov Property & Markov Chain (MDP)" Markov Property & Markov Chain (MDP) | Notion ◾Intro skier-song9.notion.site * 본 포스팅은 고려대 오승상 교수님의 강의를 정리한 것입니다.

수식이 보이지 않을 때는 페이지를 새로고침해주세요🫡 [DL기본] Neural Network #1에 이어서 활성화 함수에 대한 내용으로 포스팅을 시작하겠습니다. 🔻활성화 함수 activation function 🔸Vanishing Gradient problem - 딥러닝 모델들은 가중치 벡터와 편향값을 업데이트할 때 역전파를 통해 미분값을 계산하기 때문에 활성화 함수가 미분가능해야 한다. - 경사하강법을 통한 가중치 갱신 시, 미분값이 0에 수렴하면 더 이상 가중치 갱신을 진행하지 않기 때문에 딥러닝 모델은 학습을 중단하게 된다. - 그렇다면 시그모이드 함수나 ReLU 함수처럼 미분값이 0이 되는 함수들은 이런 Vanishing Gradient 문제에 빠질 수 있다. - 그러나 또 이런 기울기 소실 문제를..

수식이 보이지 않을 때는 페이지를 새로고침해주세요🫡 ◾Nueral Network 🔻신경망 구조 - 입력층(input layer) : 다수의 입력 신호를 받는 layer - 은닉층(hidden layer) : 가중치와 활성화 함수로 구성되어 있는 뉴런층. - 신경망이 학습함에 따라 가중치가 변화하지만 인간이 그 과정을 파악하는 것이 불가능하기에 'hidden'이라 부른다. - 출력층(output layer) : 가중치와 활성화 함수를 갖고, 출력 신호를 결정짓는 뉴런층 +) 은닉층과 출력층의 개수를 신경망의 깊이(depth)라 한다. +) 신경망에서 변수 표현 방식 \[ \text{v}^{a}_{bc} \] - v : name of variable (변수명) - a : number of the layer(..

수식이 보이지 않을 때는 페이지를 새로고침해주세요🫡 본 포스팅은 '밑바닥부터 시작하는 딥러닝' 교재를 참고했습니다. ◾퍼셉트론이란? 🔻퍼셉트론의 정의 🔸정의 : Frank Rosenblan 이란 분이 고안한 알고리즘으로, 다수의 신호를 입력받아 하나의 신호를 출력하는 것이다. - 신호 : 전류처럼 '흐름'이 있는 신호를 의미한다. 🔻퍼셉트론의 구조 🔸도식 및 구조 - \(x_i\) : 입력 신호(=뉴런, 노드, 독립 변수) - \(w_i\) : 가중치 → 의미 : 입력 신호가 출력 신호를 활성화시키는 데 기여하는 역할을 한다. \(x_i\) 입력신호의 가중치인 \(w_i\)값이 크다면, 해당 입력신호는 출력신호에 더 큰 영향을 줄 것이다. 즉, 가중치는 입력 신호의 '중요도'와 비례한다. - y : 출력..