슈코딩

머신러닝을 적용시킨 웹페이지를 만드는 프로젝트가 시작되었다. 이번에는 새로운팀원들과 함께 프로젝트를 진행하게 되었다. 우리팀은 첫날에 기획과 목업을 중점으로 DB와 API 설계도 같이하고 처음 합을 맞추는것 치고는 나쁘지않게 진행이 되었던것같다. 지난번 프로젝트와는 다르게 이번에는 깃허브에 S.A를 쓰고 기획과 관련된 자료들을 Readme랑 위키에 정리를 했다. 주제와 역할분담은 이렇게 나누어졌고 프로젝트 개요는 위 사진내용과 같다. 앞으로 1주일동안 프로젝트에서 딥러닝 모델관련 다뤄보는것외엔 로그인 회원가입페이지의 담당이 되었는데, 로그인 회원가입 기능은 처음이라 필요한 기능들은 다 해보는식으로 최대한 완성도 높게 만드는것을 목표로 할 생각이다. 프론트 레이아웃

1. CNN 합성곱 신경망 Convolution 연산이라고도 하는 합성곱은 컴퓨터 비전 분야에서 성능이 좋아서 많이 쓰이던 것이다. 기존의 Neural Network에 Convolution 연산을 적용시키면 이미지 처리에 유용하지 않을까 하는 생각에서 만들어지게 됐다고한다. 합성곱 계산 방식 입력데이터와 필터의 각각의 요소를 서로 곱한후 다더한다. 입력데이터의 3x3 크기를 오른쪽으로 한칸이동해서 필터와 곱하고, 아래왼쪽서부터 다시 반복해서 결과 2x2의 값이 나오게된다. 필터(커널), 스트라이드, 패딩 위 사진에서 합성곱이 진행되고 있는 5x5블록의 3x3 어두운 부분을 필터 혹은 커널이라고 하고 한칸씩움직이며 합성곱을하는데, 움직이는 간격을 스트라이드라고 한다. 패딩(padding) 은 가상의 구역을..

1. 딥러닝이란? 딥러닝은 머신 러닝의 한 분야이다. 선형회귀와 논리회귀는 모두 1차 함수를 이용해서 문제를 풀었는데, 자연계에서는 직선으로 설명할 수 없는 문제들이 훨씬 많다. 그래서 복잡한 문제들을 풀기위해서 선형회귀를 여러번 반복했지만, 그럼에도 풀리지않아서 선형회귀 사이에 비선형의 무언가를 넣어야 한다고 생각을했더니 층(Layer)이 여러개 쌓이게 되면서 잘 작동하는 모델이 탄생했다. 층(Layer)을 깊게(Deep) 쌓는다고 해서 딥러닝이라고 불리게 되었다. #딥러닝의 다른 표현 1.딥러닝(Deep learning) 2.Deep neural networks 3.Multilayer Preceptron(MLP) 2. Deep Neural Networks 구성 방법 보통 설계를 할때 노드의 갯수를 늘..

1. Support Vector Machine ( SVM ) 강아지와 고양이를 분류하는 문제를 풀때, 이것은 Classification problem 이고 이러한 문제를 푸는 모델을 Classifier라고 부른다. 강아지와 고양이의 특징(Feature)을 가지고 분류를 하고 가운데 직선을 하나 그린다. 선을 잘 긋기 위해서는 선과 고양이, 강아지의 거리를 구해서 거리가 최대가 되도록 한다. Margin이 노랑색 영역인데, Margin이 넓어지도록 학습시켜야 훌륭한 SVM이 된다. #충성심 강한 개냥이가 있을경우 : Feature를 추가(다리길이, 울음소리의 높낮이) 그래프를 3차원으로 만들수가 있게된다. 3차원이 되면 선으로는 구분이 안되고 면이된다. Feature는 부족할수록 늘려가면서 학습을 시켜 정..

1. Logistic regression Logistic regression (논리회귀)는 선형회귀로 풀기 힘든 문제를 풀 수 있다. 다음과 같은 문제를 선형회귀로 그래프를 나타내면 첫번째 그래프처럼 그려지고, 논리회귀로 그래프를 그리면 두번째 처럼 그려진다. 이 문제를 선형으로 풀려고하니 정확도도 낮고, 그래프도 우스꽝스러운 모습을 가지게 되어 수학자들이 고민하다가 발견한것이 Logistic funtion(=Sigmoid function) 이다. Logistic function은 입력값(x)으로 어떤 값이든 받을 수 있고, 출력값(y)는 항상 0에서 1사이 값이 된다. 0(미이수) , 1(이수) 임계치(Threshold)는 pass냐 fail이냐 의 기준이된다. 0.5가되면 0.5를 넘으면 pass 0..

1. 선형 회귀 (Linear Regression) >모든 문제는 선형으로 풀 수 있다라고 가정하는게 선형회귀이다. >이세상에 완벽한 것은 없으니까 일단 선형으로 풀어보겠다. >가설을 세워 직선으로 표시 할 수 있다. >직선 가설과 정답값의 거리를 좁히는 방법으로 학습을 기계한테 시킨다. >기계는 W랑 b값을 계속 바꿔가면서 cost가 최소화되는 방향으로 학습을 시킨다. #선형회귀와 가설(Hyphothesis), 손실함수(Cost function, loss function) 위그래프를 통해서 가설을 세울수 있는데 수식으로 나타내면 H(x) = W(x) + b 1차함수 위 그래프처럼 정확한 점수를 예측하기 위해 점 = 정답 , 점선 = 가설 의 거리가 가까워지도록 해야한다.(=mean squared err..

1. 머신러닝 ? 알고리즘? ex) 라면을 끓이는 공정 1. 냄비에 물을 받는다. 2. 가스레인지에 냄비를 올린다. 3. 가스레인지를 켠다. 4. 물이 끓으면 스프와 면을 넣고 2분간 삶는다. >> 이렇게 정해진 절차대로 절차적으로 수행하는 체계를 알고리즘이라고 한다. >> 컴퓨터과학, 언어학 등 관련 분야에서 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 것, 계산을 실행하기 위한 단계적 절차 알고리즘을 이용해 푸는 문제 예시 이러한 문제들을 알고리즘을 뛰어넘어 머신러닝을 사용해서 이런 문제들을 풀어본다. 선형 문제A 그래프 이걸 공식으로 표현하기 시작 score = 10 * coffee + 40 딥러닝? 머신러닝 방법중 하나 >문제 A의 마신커피잔수와 점수의 관계가 ..

10조 김삼이일 KTLO:KIM THREE LEE ONE 1) 한 일 프로젝트 명: Carstagram 백엔드 기반 인스타 클론코딩 프로젝트 필수 작업: (1) DB 연동하는 기능은 기본 CRUD(Post,Get) 포함 (2) 회원가입, 로그인, 로그아웃 기능 (JWT Jason Web Token 사용) - 입력 데이터는 인스타 페이지 참고한다. (3) 마이페이지 게시물, 게시물 활동 (4) 피드관련 사진 업로드 기능, 댓글, 좋아요, 더보기 모달 기능 (5) Follower / Following 기능 (미구현) 추가 기능: 미구현 2) KPT 회고 1. Keep 1. 첫 프로젝트 때보다 발전된 기획 및 설계를 통해 방향을 잃었을때 작성해둔 기획 페이지를 통해 방향을 찾아갈 수 있었고, 기능 구현의 속도..

1. 회원가입 기능 어제 오늘은 프로젝트 막바지여서 정말 정신없이 코딩에만 집중해서 시간을 보냈다. 우선은 팀원이 맡았던 회원가입이 완성되질 않아서 프로젝트 진행에 차질이 생겨서 붙어서 해결을 해야 진행이 가능해지기때문에 회원가입 기능을 만드는데 집중을 해서 만들어 나갔다. @app.route('/sign_up', methods=['POST']) def register(): name_receive = request.form['name_give'] pw_receive = request.form['pw_give'] nickname_receive = request.form['nickname_give'] email_receive = request.form['email_give'] date_receive = re..

1. 진행상황 #구현한 기능 >Carstagram컨셉에 맞는 느낌의 배경디자인 >회원가입 페이지 레이아웃, 기입한 정보 DB에 저장, 비밀번호 암호화 >로그인 페이지 레이아웃, (로그인시 토큰 유지 방법 구현중) >메인페이지 게시글 댓글 기능 >메인페이지 게시글 사진업로드 및 게시 기능 #구현해야 할 기능 >회원가입 페이지 백엔드 기능 >로그인,로그아웃 기능 >좋아요 기능 >댓글 모두보기 (모달) 기능 >마이페이지 게시물 올리기, 각게시물 (모달) 댓글,좋아요,타임스탬프 기능 2. 진행중 어려웠던 점 1. 경로문제 > app.py 에서 로컬서버로 실행을 해서 페이지를 불러오는 과정에서 불러오지 못한 경우가 많았음. @app.route('/') def main(): return render_template..