전체 글 11

정리하는 인간이 되자.

평소 사진 찍는 것을 좋아하지도 않고 인스타 그램을 비롯한 SNS도 즐기지 않았다. 문득 시간이 흐르고 보니 내가 무엇을 하고 살고 있는지에 대한 기록이 부재하다는 생각이 들었다. 나에 대한 기록을 남기기 위한 약간의 노력은 해보았지만, 인스타 부계정 운영은 뭔가 사진 위주이다 보니 나의 생각을 정리하기에는 부족했다. 네이버 블로그는 뭔가 UI랑 안맞는 건지 복잡다단한 느낌이 들었고,일기는 수첩을 다쓰면 연속성이 깨지는 느낌이 들었다. 그래서!나름 깔끔한 UI가 마음에 들기도 하고 아무도 모르게 내 일상과 생각들을 정리할 수 있는 블로깅을 아주 꾸준히 꾸주우우운히 작성해보려고 한다. 이전에 블로깅을 작성할 때 글을 재미있게 쓰고 싶다거나 글을 있어보이게 쓰고 싶다거나, 생각을 많이 하다보니 글을 쓰기가..

하루 티끌 2026.06.05

[SDV] SDV가 도대체 뭔데

사설컴퓨터학과 학도로 차량 환경을 HW에서 SW로 전환하는 SDV 기술에 관심을 가지게 되었다. SDV 개발을 위한 배경지식을 넓히려고 보니, 낯선 용어와 내용들이 많아 시간을 들여 공부해 보기 했다. * 공부하는 입장이라 단정적으로 말하지 못하지만,, 앞으로 지속적으로 리뷰하면서 수정할 예정이다. 그럼 시작,,, SDV 개발이 무엇인가?라는 질문에 답을 해보자.Software Defined Vehicle의 약자로, 차량 시스템을 HW에서 SW로 전환하는 전과정을 통칭하는 듯하다. AI에게도 SDV가 무엇인지 물어보았다. "SDV(소프트웨어 정의 차량)는 소프트웨어 업데이트(OTA)로 차량의 기능과 성능을 개선하는 챠량으로, 수십 개의 분산된 ECU를 소수의 고성능 컴퓨터로 통합하는 중앙집중..

카테고리 없음 2026.04.29

[Python] 인터프리터 문제, 빌트인 모듈 간섭 문제

The file 'private_repo/private/code/ml/decorator.py' seems to be overriding built in modules and interfering with the startup of the kernel. Consider renaming the file and starting the kernel again.Click here for more info. 문제 상황 : decorator 실습을 위해 decorator를 활용하여 로그를 남기는 python file 생성후 python 파일 실행 python decorator.py 실행 이후 주피터 노트북 파일을 실행하니 위의 오류로 kernel이 실행되지 않는 문제 원인: python의 built in module..

디버깅 노트 2023.08.16

[Recsys] 추천시스템 주요 논문 리스트 정리

논문 리스트 [Bayesian] BPR: Bayesian Personalized Ranking from Implicit Feedback VBPR: visual bayesian personalized ranking from implicit feedback [CF] Collaborative Filtering for Implicit Feedback Datasets Collaborative Topic Modeling for Recommending Scientific ArticlesItem-Based Collaborative Filtering Recommendation Algoruthms AutoRec: Autoencoders Meet Collaborative Filtering [neural network] De..

[Recsys] 추천시스템 Task란?

주요 추천 시스템 분류 함께 구매한 아이템 추천 : 해당 아이템을 구매한 유저들이 함께 구매한 아이템을 추천해당 테스크는 동일한 아이템을 유사한 아이템 추천 : 아이템의 정보들을 임베딩(Embedding)하여, 전체 아이템 중 유사한 아이템을 추천 인기도기반 아이템 추천 : 가장 많은 인터렉션이 발생한 아이템을 추천 개인화 추천: 아이템, 유저, 상호작용 데이터를 활용하여 딥러닝 모델을 통해 개인화된 추천 결과 제공 더 생각해 보기 1. 함께 구매한 아이템 추천 해당 아이디어는 "동일한 아이템을 구매했다는 이유 하나만으로 유사한 선호도를 가진 유저일 수 있다"는 가정에서 시작한다. 이는 단일 원인만 고려한 것으로 예측의 정확도를 보장하기 어려울 확률이 높다. 예를 들어, A유저와 B유저가 동일하게 a상품..

[Topic] 로버스트 리딩(Robust Reading)/ 광학문자인식(OCR)

韓 AI 스타트업 일냈다…업스테이지, 국제 AI 경진대회 4부문 석권 (naver.com) 韓 AI 스타트업 일냈다…업스테이지, 국제 AI 경진대회 4부문 석권 인공지능(AI) 광학문자인식(OCR) 세계 최고 권위 대회 ‘ICDAR 로버스트 리딩 컴페티션’에서 업스테이지가 4개 부문을 석권하며 글로벌 톱 AI기술력을 뽐냈다. 업스테이지는 지난 21일 국제패턴인 n.news.naver.com 오늘 4월 24일 AI 스타트업 회사인 업스테이지(upstage)가 ICDAR(International Conference on Document Analysis & Recognition) 대회에서 4개부문을 석권했다고 합니다. 해당 대회는 디지털 이미지와 비디오 상에서 텍스트를 감지,인식하는 로버스트 리딩 분야에서 가..

information 2023.04.24

[성능 최적화]_EDA

1. 데이터 구조 분석 판다스 기본 매서드/어트리뷰트를 활용한 데이터 구조 분석 ⇾ 결측값, 중복값, 카디널리티, 노이즈, 데이터 타입 등 확인 - shape , info() , head() : 데이터의 크기, 데이터의 타입, 데이터의 내용을 확인합니다. - df.isna().sum(), df.isna().mean() : 결측치의 갯수와 결측치의 비율을 확인합니다. - df.duplicated().sum() : 중복되는 행의 갯수를 확인합니다. - df.describe() : 수치형 데이터의 컬럼별 갯수, mean, std, min, max, 4분위수를 확인합니다. - df.nunique(): 데이터의 컬럼별 고유값의 갯수를 확인합니다. 2. 데이터 정제 - object 타입의 경우 대/소문자의 의미 차..

ML&DL 2023.04.18

apply

def age_group(age): if age < 30: return '20s' elif age < 40: return '30s' else: return '40s+' df['age_group'] = df.apply(lambda row: age_group(row['age']), axis=1) apply는 pandas에서 제공하는 메서드(Method)입니다. 메서드는 객체의 속성(attribue)를 조작하거나 객체 내부의 상태를 변경하는데 사용됩니다. 기본적으로 데이터프레임이나 시리즈의 column에 함수를 적용하며, axis를 설정하여 row방향으로 함수를 적용할 수도 있습니다. [열에 함수 적용하기] def capitalize_name(name): return name.capitalize() df['n..

정보 링크(23.08.03)

re.sub https://ponyozzang.tistory.com/335 Python 정규 표현식(re.sub)을 이용한 문자열 치환 방법 및 예제 파이썬에서 문자열을 치환해주는 메서드로 replace가 있습니다. 이번에는 replace 메서드로 문자열을 치환하는 방법이 아닌 정규 표현식을 이용하여 문자열을 치환해보도록 하겠습니다. 정규 표현 ponyozzang.tistory.com *args와 **kwargs https://brunch.co.kr/@princox/180 [나름 중급 파이썬1] *args와 **kwargs 항상 헷갈리는 두 가지 다시 한번 살펴보자 | 이 글은 파이썬의 문법을 모르면 이해하기 어렵습니다. python의 함수 작성 요령, 인자(argument)와 파라미터를 이해한다면 도움..

[성능 최적화]_개요

1. 데이터를 사용한 성능 최적화 2. 알고리즘을 이용한 성능 최적화 3. 알고리즘 튜닝을 이용한 성능 최적화 4. 앙상블을 이용한 성능 최적화 5. 하이퍼파라미터를 이용한 성능 최적화 1. 데이터 EDA를 통해 결측값, 노이즈 제거, 이상치 확인, Cardinality조정 2. 데이터에서 얻은 인사이트를 토대로 알고리즘에 적용해보기 3. 알고리즘 튜닝을 통해 성능 향상하기 - 과적합 여부 확인(네트워크 구조 변경, 에포크 수 조정) / 가중치 조절 / 학습률 조절 - 배치와 에포크 조정, 활성화 함수와 손실함수 변경(주의필요) 4. 데이터별 상황별 상이한 모델을 앙상블 5. optuna를 활용한 최적의 하이퍼파라미터 찾기

ML&DL 2023.04.18