Loading [a11y]/accessibility-menu.js

Linear Model with Pytorch

Linear Model with Pytorch

  • 이 글의 목적은, 지난 Linear Regression 에서 좀더 나아가서, 다양한 Regression 예제들을 Linear Model (WX) 형태로 pytorch 를 이용해 풀어 보는 것입니다.
  • Pytorch 를 사용하여 Modeling 과 loss function 등을 class 형태, 내장 loss 함수등을 사용해보겠습니다.
Read more

Linear Regression with Pytorch

Linear Regression through Pytorch

  • 이번 포스트의 목적은 Linear Model을 Pytorch을 통해 구현해보며, 개인적으로 Pytorch의 사용을 연습하며 적응력을 높여보는 것입니다.
Read more

Provision

Server Provisioning & Terraform

  • Provisioning 이란, 한정된 자원을 최적의 효율을 위해 제공하는 기술적 개념을 말한다. 유저의 요청에 맞게 자원을 미리 세팅해두고, 유저의 요청에 따라 준비된 자원들을 목적과 효율에 맞게 제공하는 개념이다. 특정 분야에서 한정되어 사용하는 개념이 아니라 다양한 분야에서 응용되어지는 주제이다. (IT 분야만으로 한정되지도 않는다) IT 분야의 Provisioning의 예시로는, Server Provisioning, Storage Provisioning, Telecommunication Provisioning 등이 있다.
  • 여기서는 Terraform 을 활용한 AWS 서버 프로비져닝에 관해 다룬다.
Read more

190109-TodayWhatILearned

190109 TWIL


오늘 한 일은 무엇인가

  1. BLOG RENEWAL

내일 할 일은 무엇인가

  1. Graph모형 공부
  2. LinearAlgebra 1강, 2강

무엇을 느꼈는가

  • 새해를 맞아 블로그를 새 테마로 바꾸었다. 기존에 hueman theme 에 익숙해져 있어서, 새로운 테마의 기능을
    수정하고, 전처럼 편해지려면 또 적응의 시간이 필요할 것 같다. 블로그의 테마는 작년부터 글의 양이 늘어나면 늘어날수록
    그 욕구가 더 심해 졌다. 특정 카테고리에서 글이 누적되가면서, 어떤 글들이 담겨있는지 제목을 통해 직관적으로
    보고싶었다. hueman 은 글마다 썸네일들이 있고, 글의 순서가 조금 불편하게 배치되어 있다. 시리즈성 글들을 올린다거나,
    주제가 1, 2, 3 등으로 나뉘는 글들이 있을 때, 글 제목으로 연속성을 보기가 힘들었다.
  • 위의 이유로 선택한 이번 테마는 내가 중점적으로 생각한 부분을 조금이나마 개선할 수 있는 것 같다. 틈틈히
    새로운 테마의 세팅도 마쳐야겠다.

[REBOOT]2019_NEWYEAR : 190108-TodayWhatILearned

** REBOOT **

  • Text Classification Project 를 한다는 핑계로 그간 TodayWhatILearned의 작성을 하지 못했다.
    프로젝트를 하는 동안은 매일 어떤 것을 공부할 계획이고, 어떤 공부를 했는지 남길 만한 내용이 없었던 것도 사실이다.
    프로젝트 동안 미뤄뒀던 공부들, 보고싶었던 주제들을 이제 다시 새로운 마음가짐을 가지고 시작할 것이다.
    새해가 밝은 만큼 블로그를 만들기 시작하면서 다짐했던 초심을 상기하자.

To-Do-List

  1. Graph모형, 네트워크 추론 공부 (수식) - 새로운 패키지, 코드 정리하면서 공부
  2. LinearAlgebra 1강, 2강 다시 시작

오늘 한 일은 무엇인가

  1. Graph모형 공부
  2. LinearAlgebra 1강, 2강

내일 할 일은 무엇인가

  1. 네트워크 추론 공부(수식 위주로 공부)

181225-TodayWhatILearned

181225 TWIL


오늘 한 일은 무엇인가

  1. (Project) Text Preprocessing

내일 할 일은 무엇인가

  1. (Project) Project 모임
  2. Linear Algebra 강의 2강, 3강 듣기

무엇을 느꼈는가

  • 모든 전처리가 그렇겠지만, 텍스트 데이터의 전처리는 유독 할게 많다. 실제 사람이 사용하는 언어 데이터이다 보니,
    예외사항들이 많고 모델 성능에 이 전처리들이 큰 영향을 미친다고 하기에, 열심히 전처리를 하고 있다.
  • 오늘은 embedding 데이터를 활용해 줄임말들 (I’d, We’re 등) 늘려주는 작업을(I would, We are 등) 해줬다.
    기존에 짰던 영어이냐 아니냐를 분류하려고 만든 알고리즘의 성능이 위 작업을 통해 좀 더 좋아질 것이라 예상된다. 또한
    오늘 한 작업이 main modeling 을 하기 위해 진행할 Tokenizing 에도 좋은 영향을 줄 것이다. Stopwords 들을
    빼거나 더할 때도, What’s 보다는 What is 로 늘려주었을 때, 훨씬더 세밀해 질 것이다.
  • 내일은 spelling 체크, 띄어쓰기 체크해서 올바르게 고쳐주는 작업을 해야한다. 그리고, Baseline 모델을
    잡기 위해 본격적인 modeling 에 들어가야한다.

181220-TodayWhatILearned

181220 TWIL


오늘 한 일은 무엇인가

  1. (Project) Classification Project 모임
  2. 딥러닝 엔지니어 현업자 특강
  3. Celery 복습
  4. 간단한 알고리즘 문제 풀기
  5. Linear Algebra(Gilbert) 1강

내일 할 일은 무엇인가

  1. Linear Algebra(Gilbert) 2강
  2. (Project) Classification Project
  3. Classification 개념 다시 보기

무엇을 느꼈는가

  • 즐기자