모두야

HCI Journal 순위https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_humancomputerinteraction Human Computer Interaction - Google Scholar Metrics8.Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies5885scholar.google.es  Publicationh5-indexh5-medianISSN1.Computer Human Interaction (CHI)129183Conferece2.Proceedings of the ACM on Human-Computer Interact..

# 지도학습: 정답이 있는 데이터가 많아야함 # 자기지도학습: 데이터 안에서 self로 만들어서 직접 학습함 1.Pre-trained Model 생성레이블 정보를 사용하지 않고, 데이터 특징을 학습(좋은 fearture를 찾기)- context prediction[1]- contrastive learning[2] 2.Downstream task 수행 (Fine Tuning)downstream task를 풀기 위해 소량의 라벨 데이터로 transfer learning 함 어떻게 스스로 label을 만들었을까?Pretext Task MethodsExemplar-CNN (2015, TPAMI) [3]- 특정 이미지 내 다수의 패치(patch)를 생성 → augmentation- 입력: 각 패치, 출력: 패치가..

python version 확인python --version삭제 :  rm# rm [옵션(선택)] [삭제파일 or 삭제 디렉토리] rm 명령어 기본 사용법# 파일삭제rm [파일명]# 1개 삭제rm [파일1] [파일2] [파일3] # 여러 개 삭제rm *.txt # 현재 경로의 txt 확장자 파일 전부 삭제# 디렉토리 삭제rm -r [디렉토리명] rm 명령어 옵션옵션내용-r디렉토리 삭제시 하위 경로의 파일을 삭제-f파일, 디렉토리 삭제시 강제로 삭제-v파일, 디렉토리 삭제시 결과를 보여줌-d비어있는 디렉토리만 삭 압축 :  tar, ziptar 압축$ tar -cvf [파일명.tar] [폴더명] # abc라는 폴더를 aaa.tar로 압축 예시$ tar -cvf aaa.tar abctar 압축해제$ tar ..

딥러닝이 바꾼 머신러닝 접근 방식 파이토치가 딥러닝에 최적인 이유 대표 딥러닝 프로젝트 살펴보기 예제 실습에 필요한 하드웨어 사양 # 머신러닝에서는 피처 엔지니어링에 크게 의존함 피처 엔지니어링(Feature Engineering) : 새로운 데이터를 기반으로 올바른 결과물을 낼 수 있도록 입력 데이터를 변환하는 작업 -> 손글씨 숫자를 구분하기 위해선 이미지 테두리선 분포를 추정하는 필터 집합을 구성해야함 # 딥러닝은 원본 데이터로부터 자동으로 표현을 찾아냄 -> 0,1을 구분하기 위해 필터는 데이터와 대응 레이블을 반복적으로 훈련시키고 자동으로 결과가 개선됨 데이터, 딥러닝 머신, 원하는 출력 결과 훈련(training) : 기대한 값과 실제 모델 결과 출력의 차이를 점수로 제공하고 기준을 만든다. ..

IEEE의 conference나 journal에 논문을 제출하기 전에 메일을 받게 되면, 아래와 같이 IEEE Xplore 게재되기 전 PDF 호환을 확인하는 작업이 필요하며 절차에 따라 IEEE Xplore-compatible PDF file: Your finished paper must be uploaded to PDF eXpress (https://ieee-pdf-express.org) using the conference ID 000000 to generate an IEEE Xplore-compatible pdf file before submission to the above Author Submission Site. PDF eXpress에서 웹게시 적합성을 확인 받아야한다.

파이썬 머신러닝 완벽 가이드를 읽고 공부한 내용을 정리한 포스팅입니다. (p294) : 비용 최소화하기 - 경사하강법 경사 하강법(Gradient Descent) - 어떻게 하면 오류가 작아지는 방향으로 W 값을 보정할 수 있을까? 비용 함수가 다음과 같은 포물선 형태의 2차 함수일때, 경사 하강법은 미분을 적용한 다음, 이 미분 값이 계속 감소하는 방향으로 w를 업데이트 합니다. 계속 업데이트 하다가, 더 이상 미분된 1차 함수의 기울기가 감소하지 않는 지점을 비용 함수가 최소인 지점으로 간주하고 그 때의 w를 반환합니다. 위에서 언급된 1차 함수에 대한 식에 대한 코드입니다. y_pred = (x_train * beta_gd) +bias # y=xa+b # y_pred= x*w1 + w0 손실 함수(..

2.1: Use the active voice active voice (능동태) : 주어+동사+목적어 - 주어 : agent 목적어 : recipient passive voice (수동태) : 수용자+동사+행위자 - 목적어 : recipient 주어 : agent - to be ~~ could be observed. ==> We observed ~~ - PAPER METHOD : use passive voice (누가 했는지 보다 무엇을 했는지가 더 중요) 2.2: Is it really OK to use "We" and "I" - We or I 를 사용하여 객관성을 높이고, 논문에 대한 책임감을 표시한다. 2.3: Active voice practice 더보기 (Before) A recommendati..

1.1 Principles of effective writing What makes good writing? 1. 생각을 분명하고 효과적으로 전달하는 것 (Clear thinking) - 과학 글쓰기에서 과학자 및 일반 대중에게 연구 결과를 전해야함. 명확하고 효과적으로 전달. - elegant and stylish What makes a good writer? - Have something to say (어떤 의도로 말하려 했는가) - Logical thinking (논리적 사고력) - Rules of style - read a lot, write journal, let go of academic writing habits, talk about your research before writing, - ..

# DevOps 소개 DevOps란? "개발(Dev) 와 운영(Ops)의 합성어" : 개발과 운영의 경계를 허물고 통합하고자 함. - 왜 필요할까? 이전에는 개발만 하는 개발 팀, 운영을 위해 production을 올리고 배포하는 서버 팀이 따로 분리되어있었으며, 서비스 운영팀에서는 개발팀과의 소통이 필요하고 운영 중의 문제가 발생함. 개발자가 작성한 코드에 직접 수정하며 테스트하고 배포 및 운영을 하게 됨. - 소프트웨어 개발 단계 : 많은 의사소통 필요 / 병목구간 발생 설계 - 개발 - 테스트 - 배포 - 운영 - 서포트 - Full-cycle Developer ; 소프트웨어 개발 생애주기의 전체에 직접 참여하는 개발자 (넷플릭스 제시) "개발과 운영의 벽을 허물어 더 빨리 자주 배포하자!" AWS..

커널 밀도 추정 Kernel Kensity Esimation (KDE) 커널함수 (kernel function) 밀도추정 (density estimation) 밀도 추정 (Density Estimation) 데이터를 확인할 때, 어떤 변수가 가지고 있는 본질적인 특성 파악이 필요하다. 가지고 있는 데이터들의 분포로부터 해당 변수 분포 특성을 추정 하는 것이 밀도 추정이다. 파악하려는 변수가 어떤 값의 분포 특성을 갖는지 파악할 수 있다. 변수가 가질 수 있는 값 및 그 값을 가질 가능성의 정도를 추정하는 것이 밀도 추정이다. (수학적) 밀도 = mass/volume (통계적) 밀도 = 확률 밀도 함수 (probability density function) 변수 X의 확률밀도함수 f(X) 그림 f(a)는 ..