claovy☘️

회고기간 : 2025.05.19월~2025.05.23금 Linux01. 설치 및 세팅1. 운영체제 확인 후 VM VirtualBox 설치2. VirtualBox에 우분투 설정하기우분투 iso 파일 다운"새로 만들기" 클릭 후 가상머신 생성컨트롤러 생성재시작 후 정상 부팅 확인하기02. 파일 시스템 💡 파일 시스템은 파일에 이름을 붙이고 저장, 탐색을 위해 파일을 어디에 위치 시킬 것인지 나타내는 체계이다. 즉, 컴퓨터에서 자료들을 쉽게 찾고 관리할 수 있게 하는 구조적인 시스템을 말한다. 03. 리눅스 파일 구조 04. 개발 환경 설정사용자 및 권한 관련sudo # 관리자 권한으로 명령어 실행whoami # 현재 접속한 계정명 확인su..

회고기간 : 2025.05.12월~2025.05.16금이번 주차는 이미지처리, 3차 프로젝트, 소프트웨어 공학 기초에 대해 학습했다.스타일 전이학습스타일 전이학습은 일반적으로 사전 학습된 CNN (주로 VGG-19)의 중간 계층에서 추출된 feature map을 사용하여 콘텐츠와 스타일을 분리한다.하나의 이미지로부터 콘텐츠(content)를, 또 다른 이미지로부터 스타일(style)을 추출하여 두 요소를 결합한 새로운 이미지를 생성하는 기법 ex) 직접 찍은 풍경 사진을 반 고흐 화풍으로 변환 구성요소콘텐츠 : 이미지의 윤곽, 구조, 배치 등 실제 장면을 구성하는 정보이다. 예를 들어 어떤 물체가 어디에 배치되어 있는지에 대한 정보를 의미스타일 : 색상 분포, 질감, 붓 터치 등의 시각적 요소로서, 예술..

회고기간 : 2025.05.07수~2025.05.09금이번 주차는 자연어 - 이미지 멀티모달 기법에 대해 배웠다CNN (합성곱 신경망)합성곱이란?이미지 처리에서 주변 픽셀과의 가중합을 계산하여 특징을 추출하는 연산합성곱 연산은 커널(필터)를 사용하여 입력 데이터와의 내적을 수행한다.CNN 구성 개요합성곱 계층 : 필터(커널)을 사용하여 이미지의 특징 추출풀링 계층 : 데이터의 크기를 줄이고 중요한 특징을 유지하여 연산량 감소완전 연결 계층 : 최종적으로 학습된 특징을 바탕으로 분류 또는 회귀배치 처리 : 여러개의 입력 데이터를 한 번에 연산하는 방식, 학습을 안정적으로 수행하고 연산 속도 향상1. 필터 & 특징맵 필터 : 연산에서 사용하는 커널. 학습을 통해 최적 값을 찾으며, 특정한 특징을 추출함특징맵..

회고기간 : 2025.04.28월~2025.05.02금이번 주차는 fine tunning 기법에 대해 배웠다 Fine tunning- 이미 학습된 LLM을 특정 작업이나 데이터셋에 맞춰 재학습하는 기능- 프롬프트 엔지니어링만으로 해결하기 어려운 문제 해결- 모델 추가학습 없이 입력을 조정하하는 프롬프트 엔지니어링과 달리 모델을 재학습하여 특정 작업에 최적화 sLLMLLM의 축소판으로, 학습과 배포 비용을 줄이기 위해 설계sLLM은 파인튜닝이 비교적 간단하고 리소스가 적게 듦 (양자화가 필요없음)주로 제한된 연산 리소스를 가진 환경에서 활용sLLM 모델 (meta-llama/Llama-2-7b-hf) 사용해보기from transformers import AutoTokenizer, AutoModelForCa..

회고기간 : 2025.04.21월~2025.04.25금이번 주차는 langchain에 대해 배웠다 LangChainLangChain 은 LLM의 기능을 확장하고 체계화하여 복잡한 애플리케이션을 구축할 수 있도록 지원하는 프레임워크다. 여러 프롬프트, 도구, 데이터 소스를 체인으로 연결해 효율적으로 작업을 수행할 수 있다.1. Prompt Template프롬프트 템플릿은 반복적인 작업에서 재사용 가능한 프롬프트를 설계하고, 동적 입력 변수를 통해 작업을 수행하는 구조자동화된 입력 구성대화형 응답샘플 기반 학습결과 파싱 키를 활용하기 전 환경변수를 로드하는 것은 필수! from dotenv import load_dotenvload_dotenv()프롬프트 예시 (few shot)from langchain.pr..

회고기간 : 2025.04.14월~2025.04.18금이번 주차는 트랜스포머, bert, 허깅페이스 파이프라인, prompt engineering, local llm에 대해 배웠다. Transformerhttps://wikidocs.net/31379기존의 seq2seq 구조의 인코더-디코더 + attention 알고리즘을 구현한 모델[기존의 seq2seq 구조]인코더가 입력 시퀀스를 하나의 벡터로 압축하는 과정에서 입력 시퀀스의 정보가 일부 손실됨[transformer]병렬 처리와 전역 문맥 이해를 통해 RNN의 한계를 극복한 딥러닝 모델로, 인코더-디코더 구조와 어텐션 메커니즘을 기반으로 한다. * 어텐션입력 시퀀스의 중요한 부분에 가중치를 부여해 번역 품질을 향상시키는 메커니즘이다. 인코더: 입력 ..

회고기간 : 2025.03.31월~2025.04.04금이번 주차는 프로젝트 발표와 NLP의 코사인 유사도, 전처리 등을 학습했다. NLTK설치!conda install nltk -yimport nltk# nltk 설치 후에는 기본 패키지들을 별도로 다운로드 해야함nltk.download('punkt')nltk.download('punkt_tab')nltk.download('stopwords') 토큰화from nltk.tokenize import word_tokenize, sent_tokenize단어 토큰화 (word_tokenize)단어 기준 토큰화['NLTK', 'is', 'a', 'powerful', 'library', 'for', 'NLP', '!', '!', '!']문장 토큰화 (sent_toke..

7주차 회고기간 : 2025.03.17월~2025.03.21금이번 주차는 딥러닝의 기본이 되는 퍼셉트론~손실함수 원리에 대해 배웠다. 1. 퍼셉트론: 퍼셉트론은 생물학적 뉴런을 모방한 간단한 인공지능 모델AND/NAND/OR 게이트AND 게이트두 입력이 모두 1일 때만 출력이 1이 된다. 퍼셉트론 모델에서는 가중치와 편향 값을 설정하여 이를 구현할 수 있다.NAND 게이트AND 게이트의 출력을 뒤집은 형태로, 두 입력이 모두 1일 때만 출력이 0이 된다.OR 게이트두 입력 중 하나라도 1이면 출력이 1이 된다.test_cases = [(0,0),(0,1),(1,0),(1,1)]class Perceptron: def __init__(self, weights, bias): self.weig..

1. 다차원 배열💡다차원 배열은 여러 개의 차원을 가진 배열로, 2차원 이상의 배열을 의미한다. 인공지능에서는 주로 행렬                 (matrix)  또는 텐서(Tensor)라는 용어를 사용한다 💡또한, 딥러닝에서 자주 다루는 이미지 처리 문제와 관련할 때도 보통 4차원 텐서로 이미지 데이터를 표현한다행렬의 내적다차원 행렬의 내적 복습하기!!https://dscience26.tistory.com/43 03. numpy [연산]💡NumPy는 배열 간의 산술 연산을 지원하며, 이는 벡터화되어 빠르게 수행된다.      배열 간 연산은 기본적으로 원소별(element-wise) 연산을 수행한다.  사칙연산arr_a = np.arange(1, 10).reshape(3, 3)arr_bdsc..

1. 퍼셉트론: 퍼셉트론은 생물학적 뉴런을 모방한 간단한 인공지능 모델AND/NAND/OR 게이트AND 게이트두 입력이 모두 1일 때만 출력이 1이 된다. 퍼셉트론 모델에서는 가중치와 편향 값을 설정하여 이를 구현할 수 있다.NAND 게이트AND 게이트의 출력을 뒤집은 형태로, 두 입력이 모두 1일 때만 출력이 0이 된다.OR 게이트두 입력 중 하나라도 1이면 출력이 1이 된다.test_cases = [(0,0),(0,1),(1,0),(1,1)]class Perceptron: def __init__(self, weights, bias): self.weights = weights self.bias = bias def activate(self, x) : # 퍼셉트론 연산 ..