본문 바로가기
728x90
반응형

Activity/네이버 부스트캠프 5기 (AI Tech)

[Naver Boostcamp AI Tech 5기] 변성윤 마스터님의 두런두런 강의 회고 및 후기 🧐 회고 개요 벌써 부캠은 수료일을 한 달도 채 남기지 않았고, 변성윤 마스터님의 두런두런 특강은 마지막 5회차를 남겨두고 있다 빠듯한 부캠 일정과 커리큘럼 속에서 변성윤 마스터님의 특강은 앞으로의 커리어에 대한 고민이나 가끔 우울감으로 빠져드는 정신력의 고갈 상태에 아주 단비같은 존재였다 두런두런 특강은 총 5가지 회차에 나누어서 진행되었는데, 각 회차마다 중요한 정보 공유와 정서적 안정을 위한 경험 공유 시간이 함께 있어서 그런지 매 시간이 유익하면서도 안정감을 찾는데 큰 도움이 되었던 것 같다 특강 별 키워드 일단 각 특강에 대한 주요 키워드를 생각해보면 다음과 같이 정리할 수 있을 것 같다 1. 커리어 변성윤 마스터님의 삶, 메타인지, 회고와 기록 2. 직군 / 삶에 대한 고민 성장 곡선, 데이터 관.. 더보기
[Naver Boostcamp AI Tech 5기] 10~12주차 Level2 Project DKT (Deep Knowledge Tracing) [팀 회고 요약] 프로젝트 주제 : DKT DKT는 딥러닝 방법론으로, 학생의 지식상태를 추적하는데 사용된다. 다만 이번 프로젝트에서는 학생 개개인의 지식상태를 예측하기 보다는, 아직 풀지 않은(Unseen) 문제에 대한 정오답을 예측하는 것을 목표로 한다. Iscream 데이터셋을 이용하여 각 학생의 푼 문제 목록과 정답 여부를 통해 최종 문제에 대한 정답 확률을 예측한다. 팀 목표 새로운 베이스라인 작성 : 제공된 베이스라인을 참고하여 우리 팀만의 자체적인 베이스라인 구축 스프린트 방식 도입 : 전반적인 계획 수립을 통한 체계적인 진행을 위해 스프린트 방식 도입 적극적인 Github 도입 : 이전보다 적극적인 issue 사용 및 PR을 통한 코드 리뷰 활성화 다양한 Tool 사용 : Pytorch L.. 더보기
[Naver Boostcamp AI Tech 5기] 8, 9주차 학습정리 및 회고 : 성장은 나를 되돌아볼때 생기는 것! 주간 학습정리 Keyword: Linux, Docker, MLOps, Model Serving, ML Project Cycle, Streamlit, DKT, Pytorch Lightning 주간 개인 회고 Fact (사실: 무슨 일이 있었는가?) 변성윤님의 AI 서비스 개발 기초 강의 시리즈를 들었다 팀원들에게 동료 피드백을 쓰고 동료피드백을 받았다 Transforemr4Rec 논문 리뷰를 했고, 팀원에게 칭찬을 받았다 팀원들과 처음으로 오프라인 모임을 가졌다 level2의 DKT project를 시작했다 스페셜 피어세션에서 다른 도메인의 사람들을 만났다 새로운 멘토님을 만났고, 효율적인 논문 읽기 방법을 전수받았다 Feeling (느낌: 무슨 느낌이 들었나?) 변성윤님의 강의를 들으니까 공부할게 산더.. 더보기
[Naver Boostcamp AI Tech 5기] 6,7주차 Level1 Project Book Rating Prediction 회고 [팀 회고 요약] 프로젝트 주제 영상, 기사같은 다른 콘텐츠와는 달리 책은 한 권을 다 읽기까지 적지 않은 시간을 필요로 하고 구매를 위해 이용할 수 있는 정보가 한정적이라 소비자들은 책을 고르는데 신중을 가하게 된다. 그렇기에 이번 프로젝트에서는 소비자들의 책 구매에 도움을 줄 수 있도록 책, 소비자의 정보를 바탕으로 소비자가 특정 책에 줄 평점을 예측하도록 한다. 팀 목표 배운 내용을 프로젝트에 적용해보기 우리 팀에 적합한 협업 문화 고민해보기 - 지속가능한 협업 문화 수립하기 프로젝트 협업 문화 깃헙을 통한 프로젝트 버전 관리 노션을 통한 프로젝트 진행 상황 공유 게더타운을 통한 실시간 인사이트 공유 프로젝트 수행 과정 1. 탐색적 데이터 분석 (EDA) 가능한 모든 데이터셋의 모든 컬럼데 대하여 .. 더보기
[Naver Boostcamp AI Tech 5기] 5주차 학습정리 및 회고 : 완벽하지 않아도 끝까지 가보는거야 🥹 주간 학습정리 Keyword: CTR, Wide&Deep, DeepFM, DIN, BST, MAB (Greedy, Epsilon-Greedy, UCB), Thompson Sampling, LinUCB 주간 개인 회고 Fact (사실: 무슨 일이 있었는가?) 월요일에 코테 스터디로 각각의 코드 리뷰를 했는데, 어떤 점에서 차이가 있었고, 어느 부분을 내가 더 개선하면 좋을지 알 수 있었다! 각자가 코드 짜는 스타일도 다르다는 것이 신기했다! 화요일에 이고잉님의 두 번째 깃헙 특강을 들었는데, 혼자 공부할 때는 도저히 이해가 안되던 개념들을 아주 자연스럽게 물흐르듯이 쉽게 머리에 넣어주고 실습까지 하도록 해주셔서 재밌고 유익했다! 수요일에 논문 리뷰 스터디에서 내가 리뷰한 논문을 발표했다! 또 나름 열심히 .. 더보기
[Naver Boostcamp AI Tech 5기] 4주차 학습정리 및 회고 : 본격적인 RecSys 공부와 성장 주간 학습정리 Keyword: Data Visualization, RecSys, CF, MF, Item2Vec, ANN, NCF, AutoRec seaborn 라이브러리를 이용하는 방법과 극좌표계, 파이차트 등의 시각화 방법에 대해서 배우고, 인터랙티브 시각화 방법에 대해서도 배웠다 추천 시스템의 기본적인 개요와 성능 측정 방법, 대표적인 모델인 인기도 기반 모델에 대해서 배웠다 CF 필터링의 기초와 memory-based CF, model-based CF의 차이에 대해서 알고, memory-based CF 안에서 user-based model과 item- based model의 차이 및 유사도 계산 방법에 대해서 배웠다 Word2Vec를 기반으로 한 Item2Vec에 대해서 배우고, 벡터 간 근접 이웃.. 더보기
[Naver Boostcamp AI Tech 5기] 3주차 학습정리 및 회고 : 다른 사람에게 알려주듯, 스스로 파볼 때 더 잘 알게 된다! 주간 학습정리 전반적인 딥러닝 발전에 대한 Historical Review 후에 MLP의 기본 구조에 대해서 배웠다 딥러닝의 성능을 보다 최적화 할 수 있는 Optimization 기법들을 배웠다 이미지를 처리할 때 유용한 CNN과 CNN을 토대로 발전한 다양한 모델(VGG, GoogLeNet, ResNet 등)들에 대해서 학습하였다 자연어와 같은 시계열 데이터를 처리할 때 유용한 RNN과 RNN의 장기 데이터 소실 문제를 해결하기 위한 LSTM에 대해서 학습하였다 그리고 RNN과 LSTM 같이 선형적으로 시계열 데이터를 처리하는 한계점을 극복하기 위한 모델인 Transformer 모델에 대해서 학습하였다 생성자와 식별자간의 적대적 학습을 통해 데이터를 새로 생성하는 GAN 모델에 대해서 배웠다 (이 부.. 더보기
[Naver Boostcamp AI Tech 5기] 2주차 학습정리 및 회고 : 조금씩 성장하는 나날들 ✨ 주간 학습정리 Pytorch 1강: 딥러닝의 대표적인 프레임워크, TensorFlow와 Pytorch를 비교하며 Pytorch의 특징을 파악했다 Pytorch 2강: 파이토치의 핵심인 Tensor를 자유자재로 다루는 법과 자동미분을 사용하는 법을 배웠다 Pytorch 3강: 파이토치를 사용하여 프로젝트를 진행할 때, 프로젝트 구조를 어떻게 구성해야 좋은지 대표적인 템플릿을 통해서 파악 → 실습을 안해봤다..! 직접 실습 해보고 각 파일과 폴더의 의미 및 연결구조를 파악해야겠다 Pytorch 4강: 파이토치를 통해서 모델을 구현할 때 필요한 모듈과 그 내부 구조에 대해서 파악하고, 파이토치 코드 상에서 학습 및 BackPropagation이 어떻게 일어나고 구현하는지 배웠다 Pytorch 5강: 파이토치에.. 더보기
728x90
반응형

티스토리툴바