파이썬 코드 다운로드 받을 수 있는 곳이 있을까요?

안녕하세요, Justin입니다. 파이썬 코드는 다음 링크에서 다운받으실 수 있습니다. https://github.com/Justin-A/torch_nlp_basic 첨부해주신 오류는 nltk 패키지를 이용하여 stopwords를 저장하지 않았기 때문에 발생하는 오류로 파악됩니다. import nltk nltk.download('stopwords') 코드를 실행하신 이후 코드를 실행하시면 됩니다. 감사합니다.

Continual Learning 과 Transfer Learning 의 차이점

안녕하세요, Justin입니다. Continual Learning, Transfer Learning 모두 학습이 이루어진 가중치 상태에서 추가적으로 학습하는 것이 맞습니다. 이 때, 학습이 이루어진 시점과 학습이 완료된 모델의 부분을 분석가가 범위를 정의해주고, 업데이트 가중치도 조절해주어야 합니다. Continual Learning은 위의 내용에 해당되는 학습 기법을 일반적으로 표현하는 방식이며, Transfer Learning은 비슷한 도메인의 다른 Task에 해당되는 학습데이터를 추가 활용하여 가중치를 새로 업데이트하는 것을 통상적으로 일컫습니다. 예를 들어, ImageNET 데이터를 활용하여 분류하는 모형을 설계한 이후, 특정 도메인의 이미지를 활용하여 분류 및 객체 탐지를 할 수 있는 모형을 설계하는 것이 대표적인 Transfer Learning의 예시입니다.어떻게 보면 Continual Learning이 Transfer Learning을 포함하는 방식일 수 있겠네요. 감사합니다.

train과 test 관련해서 질문드립니다!

안녕하세요, Justin입니다. 본 예제는 일정 문장들로 구성된 데이터를 활용하여 word2vec 작동 원리를 살펴보기 위한 예제입니다. Test를 할 때에는 당연히 Test 데이터셋을 활용하여 진행하는 것이 맞습니다. 단, 학습이 진행된 이후 실질적으로 어떻게 예측하는지 파악하기 위해 코드를 저렇게 구성하였습니다. 감사합니다.

Deep Learning 정의에 나온 Graphical representation learning에 대해서

안녕하세요, Justin입니다. Deep Learning 알고리즘은, 사용하는 여러 변수들을 다양한 비선형함수를 활용하여 고차원의 벡터 공간으로 여러번 투영하며 label 데이터로 올바르게 귀결시키는 것을 목표로 학습을 진행합니다. 기존의 다양한 머신러닝 알고리즘들은, label 데이터로 올바르게 귀결시키기 위해 다양한 가설들을 세워 변수들을 가공하는 과정이 필수적이었다면, Deep Learning 알고리즘은 무수히 많은 X ~ Y (Feature ~ Label) 쌍을 이용하여 자동적으로 변수를 가공하는 과정이 내포되어 있습니다. 학습을 진행하면서 완성이 된 딥러닝 구조 내, 여러 가중치와 비선형 함수를 이용하여, 기존 변수값을 새로운 벡터로 표현하는 것을 Representation Learning이라고 칭하며, 이에 대한 내용은 강의 내 전반적으로 녹아져있습니다. 따라서, 특정 강의 챕터에서 Graphical Representation Learning을 언급하진 않습니다. 감사합니다.

혹시 audio관련해서 stt나 tts등 pytorch 관련해서 강의 하실 수 있나요?

안녕하세요, Justin 입니다. 강의 제안에 대한 내용은 첨부된 github.com 링크 내 작성된 이메일로 연락주시면 감사하겠습니다. 감사합니다.