소개
안녕하세요.
딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.
수학/데이터 분석을 전공하고 다수의 딥러닝 프로젝트를 완료하고 수행하고 있습니다.
머신러닝, 고급 머신러닝, 딥러닝, 최적화 이론, 강화 학습 등의 인공지능 내용과 선형 대수학, 미적분, 확률과 통계, 해석학, 수치해석 등의 수학 내용까지 여러분들과 공유할 수 있는 지식을 가지고 있습니다.
모두 만나서 반갑습니다!
* 관련 이력
현) SCI(E) 논문, 국제 학회 발표 다수
현) 인공지능 관련 대학교 자문 다수
전) K기업 전임 연구원 - 데이터 분석 및 시뮬레이션: 신제품 개발, 성능 향상, 신기술 적용
"딥러닝을 위한 파이토치 입문" 저서 (세종도서 학술부문 2022 우수도서로 선정)
강의
전체7로드맵
전체2수강평
- 핵심만 이해하기 쉽게 잘 설명해주셨습니다.
박찬석
2024.06.30
1
- good
김상보
2024.06.20
1
게시글
질문&답변
2024.07.23
AutoEncoder 차원 질문
안녕하세요. 일반적으로 딥러닝 모델 구현할 때 타겟 데이터가 정해져 있기 때문에 가변 가능한 채널을 구현 하지는 않습니다. 하지만 다양한 데이터 세트에 대해서 동일 모델로 직접 튜닝없이 사용하고 싶다면 fully-connected layer 전에 global average pooling을 사용하는 방법도 있습니다 :) https://www.inflearn.com/questions/1099911/comment/302325 감사합니다. 딥러닝호형 드림
- 1
- 2
- 30
질문&답변
2024.07.23
안녕하세요, vit에 관심이 많은 사람입니다.
안녕하세요. 파이토치 버전이 변경 되면서 해당 기능이 사라졌나 보네요. iter(trainloader).next()를 next(iter(trainloader))로 변경해서 사용하시면 됩니다. 제보 감사드립니다! 딥러닝호형 드림
- 1
- 1
- 27
질문&답변
2024.07.11
사전 학습 모델에서의 layer 변경에 대한 질문
안녕하세요. 좋은 질문 입니다! 4가지로 말씀 드릴 수 있을 것 같아요:) 기존 모델을 불러와 일부 레이어만 변경 시키고 나머지를 동결 시키면 학습 수렴이 빠릅니다. 데이터와 학습 방법에 따라 다를 수 있지만 사전 학습 된 모델의 가중치가 다수 반영이 되어 있기 때문에 전체 랜덤 초기화 된 가중치로 학습을 시작할 경우 대비 정확도가 유사하거나 더 좋게 나올 수 있습니다. 따라서 사전 모델을 동결없이 혹은 일부만 동결하여 재학습하는 것은 가중치 초기화 관점에서 큰 의미가 있다고 할 수 있습니다. 사전 모델에서 사용된 데이터와 현재 데이터가 상이한 경우 모델 가중치 전이학습은 효과가 없을 수도 있습니다. 상황에 따라 말씀하신대로 가중치를 그대로 사용할 수도 있고 모델 구조만 사용할 수도 있습니다! 감사합니다. 딥러닝호형 드림
- 1
- 1
- 52
질문&답변
2024.07.05
안녕하세요? PINNs 입문공학자 입니다.
안녕하세요. 좋은 질문 감사합니다. Navier-Stokes Equation(NSE)에 관한 PINN은 논문을 구현해 본 적이 있습니다. 개인적으로는 해석 속도를 줄이는데 관심이 있는데 목적에 따라 관련 논문을 찾아보시면 될 것 같아요. 아시다시피 가장 활용도가 높은 방정식 중 하나라서 NSE에 관한 논문 매우 많습니다! 소개에도 말씀드렸듯이 저도 소개 된 기업들과 같이 매우 유망하게 생각하고 있습니다. 하지만 PINN 단일 기술보다는 수치해석+PINN, 차원축소+PINN 등 복합적인 방법이 대세를 이룰 것으로 예상합니다. 지금도 그렇구요! 더 나아가 Neural operator 계열도 공부하면 좋을 것 같아요. 질문자 분께서는 이미 도메인 지식을 가지고 계시니 금방 적용하실 것이라 생각합니다! 감사합니다. 딥러닝호형 드림
- 0
- 1
- 52
질문&답변
2024.06.22
2. 미분방정식에서 n이 뭐죠 ?
안녕하세요. 제가 n을 두 번 썼네요. 상미분 방정식에서 설명 된 n은 미분한 횟수를 의미합니다. 편미분 방정식에서는 x_1, x_2, .... , x_n에서의 n은 변수의 개수 입니다. 변수가 많은 경우에는 x, y, z, ... 이런 식으로 서로 다른 문자로 표현하는데 한계가 있기 때문에 위와 같이 표현하곤 합니다. 감사합니다 😀 딥러닝호형 드림
- 0
- 1
- 96