전체 글
-
소프트웨어 프로젝트 예측 이대로 괜찮은가?카테고리 없음 2021. 8. 28. 16:38
얼마전 모임에서 소프트웨어 프로젝트의 예측 (estimation)에 대해 이야기를 나누다가, 이런 방법으로 해보면 좋지 않겠느냐고 아이디어를 낸 적이 있었습니다. 그때, 마침 소프트웨어 프로젝트 관리를 하고 있으니, 자신의 팀원들에게 선뜻 간단한 설문 조사를 해주시겠다고 하신 분이 계셨습니다. 고맙게도, 그 설문으로 어느정도 제 아이디어의 필요성을 확인할 수 있었는데요. 오늘은 그 내용을 살짝 정리해서 공유할까 합니다. 아래처럼 소프트웨어 프로젝트를 수행하다보면, 프로젝트 일정 추정을 하기 어려운 경우가 많습니다. 또한 같이 일하는 팀이 얼마나 많은 작업을 얼마의 기간동안 해낼 수 있는지 알지 못한다고 응답하였습니다. 그래서, 뭔가 도움을 줄 수 있는 수단이 필요하고 그런 도움을 받을 수 있다면 분명 프..
-
스탠포드 cs231n을 정리하며...AI 2021. 4. 28. 12:23
1. 이 강의를 정리한 이유 이전 포스트에도 적었지만, 아이펠 강남 수업을 들으면서 가장 버겁게 느껴졌던 부분 중 하나가, 스탠포드 cs231n강의를 듣는 것이었습니다. 인공지능에 대한 이해도 별로 없던 제가, 영어로 된 강의를 듣는다는 것이 어려웠고, 이 강의가 어떤 목적으로 어떻게 흘러가고 있는 것인지 전체적인 큰 그림을 초기에 이해하지 못하는 상황에서 무작정 듣는 것도 어려웠습니다. (1강도 정리한 이유) 그래서 아이펠 강남이 끝난 다음 직접 강의 내용을 다시 들어보면서 정리해 보기로 했습니다. 사실 비디오를 한번 본다고 해서, 모든 것을 이해할 수 있는 것도 아니었고, 지금도 그렇지만, 스스로의 학습을 위한 목적이 가장 크다고 할 수 있다. 2. 도움이 될 것이라고 생각되는 사람들 강의를 다 듣고..
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (4/4, 인스턴스 분리 (Instance Segmentation))AI 2021. 4. 27. 19:41
제가 얘기하고 싶은 마지막 작업은 이 인스턴스 분리 (instance segmentation) 아이디어입니다. 여기서 인스턴스 분리는 어떤 식으로는 완전 문제 (full problem)같아 보입니다. 우리는 입력 이미지를 받을 거고 물체 탐지와 비슷하게 이미지 내에서 물체의 위치와 정체를 예측하고 싶은 거죠. 그러나 그 물체들 각각에 대한 경계 상자를 예측하는 대신, 저 물체들 각각에 대한 우리는 전체 분리 마스크 (whole segmentation mask)를 예측하고 싶은 겁니다. 그리고 입력 이미지내의 어떤 픽셀이 물체 인스턴스에 해당하는 지를 예측하고 싶은 겁니다. 그래서 이건 의미적 분리와 물체 탐지사이의 하이브리드 같은 거죠. 왜냐면 물체 탐지처럼 우리는 여러 개의 물체를 다룰 수 있고 여러 ..
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (3/4, 물체 탐지 (Object Detection))AI 2021. 4. 26. 20:38
다음으로 얘기하고 싶은 작업은 물체 탐지입니다. 이건 정말 내용이 많은 주제죠. 이건 컴퓨터 시각 (computer vision)에 있어서 핵심 문제와 같은 것이라서 아마도 여러분은 전체 세미나 강좌를 물체 탐지 역서와 여기에 적용된 다양한 기법들로만으로도 가르칠 수 있을 겁니다. 저는 짦게 할거고, 지난 2년간 사용되었던 물체 탐지 더하기 딥러닝 (deep learning)의 주요한 큰 아이디어에 대해서만 볼겁니다. 그러나 물체 탐지에서의 아이디어는 우리가 신경쓰는 어떤 정해진 카테고리 집합을 가지고 시작한다는 겁니다. 아마도 고양이와 개, 물고기 혹은 뭐든지, 우리가 관심있는 어떤 정해진 카테고리 집합이죠. 이제 우리의 작업은 입력 이미지가 주어지고, 이미지에 저 카테고리 중 하나가 나타날 때마다, ..
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (2/4, 분류 + 위치찾기 (classification + localization))AI 2021. 4. 26. 17:39
다음 작업으로 얘기하고 싶은 것은 이 분류 더하기 위치 찾기 (classification plus localization)아이디어입니다. 이미지 분류에 대해서 많이 얘기했는데, 여기서 우리는 그냥 입력 이미지에 어떤 카테고리 레이블 (category label)을 붙이고 싶었죠. 그러나 가끔 여러분은 이미지에 대해서 좀 더 알고 싶을 수도 있죠. 카테고리가 뭔지 예측하는 것 뿐만 아니라, 이 고양이의 경우에서, 여러분은 이미지에서 그 객체가 어디 있는지 알고 싶을 겁니다. 고양이 카테고리 레이블을 예측하는 것 뿐 아니라, 그 이미지에서 고양이 영역 주변에 경계 상자 (bounding box)를 그리고 싶을 수도 있죠. 분류 더하기 위치 찾기를 여기서 객체 탐지 (object detection)와 구별하는..
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (1/4, 의미적 분리와 전치 합성곱 (semantic segmentation & transpose convolution))AI 2021. 4. 24. 16:30
안녕하세요. 시작하겠습니다. cs23n 11강에 오신 것을 환영합니다. 오늘 우리는 탐지 (detection), 분리 (segementation)와 핵심 컴퓨터 시각 (computer vision) 작업들을 둘러싼 여러 많은 정말 흥분되는 주제들에 대해서 얘기하겠습니다. (HyperQuest에 대한 내용은 현재 서비스가 되지 않는 것 같아서 건너뛰겠습니다.) 지난시간을 약간 복습해 보죠. 우리는 순환 신경망에 대해서 얘기했죠. 순환 신경망은 다양한 종류의 문제들에 사용될 수 있죠. 일대일 뿐만아니라, 우리는 일대다, 다대일, 다대다도 할 수 있습니다. 우리는 이것이 언어 모델링에 적용될 수 있다는 걸 봤죠. 우리는 몇 가지 멋진 예제들을 봤는데 신경망을 다양한 종류의 언어에 문자 수준 (character..
-
[cs231n] 10강 순환 신경망 (Recurrent Neural Network) (4/4, LSTM)AI 2021. 4. 13. 17:48
지금까지 우리는 이 단일 순환 망 계층에 대해서 얘기했는데, 하나의 숨겨진 상태 (hidden state)만 있는 거죠. 앞으로 꽤 자주 보게 될 또하나는 이 다층 순환망 (multi-layer recurrent network) 아이디어입니다. 여기서 이건 3계층 순환 신경망인데, 입력이 들어가고 일련의 숨겨진 상태가 첫번째 신경망 계층으로부터 만들어 집니다. 그리고 이제, 하나의 순환 신경망 계층을 실행시키고 나면, 이런 숨겨진 상태의 전체 순열을 가지게 됩니다. 그리고 그 숨겨진 상태의 순열을 다른 순환 신경망 계층의 입력 순열로 사용할 수 있습니다. 그럼 두번째 RNN계층으로부터 또다른 숨겨진 상태의 순열을 만들어 내는 것을 생각해 볼 수 있죠. 그리고 이런 것들을 서로서로 쌓아올리는 것을 생각할 ..
-
[cs231n] 10강 순환 신경망 (Recurrent Neural Network) (3/4, 이미지 캡셔닝 (image captioning))AI 2021. 4. 13. 15:36
저는 안드레이 (Andrej)와 이 논문을 몇 년전에 썼는데, 많은 이런 모델을 훈련시켰고 이 모델들의 브레인으로 들어가서 그것들이 무엇을 하고 있는지, 왜 그것들이 동작하는 지에 대해서 알아내려고 했죠. 그래서 우리는 이 순환 신경망 (recurrent neural network)들이 이 숨겨진 벡터들을 가지고 있고, 그 벡터는 매 시점마다 업데이트 되는 어떤 벡터라는 것을 알았죠. 그다음 우리는 이 벡터의 어떤 요소가 어떤 구문론적 해석가능한 의미를 가지고 있는 지를 알아 내려고 했습니다. 우리는 신경망 언어 모델을 훈련시켰는데, 이 문자 수준 (character level) 모델 중 하나를 이 데이타 셋 (data set)중의 하나에 대해서 했죠. 그리고 그 숨겨진 벡터 (vector) 내의 요소 ..