디지털 노마드

비대면으로 시작한 AIFFEL. 집계약은 이미 했기 때문에 첫 1주일은 여수에서 수업을 듣다가 이사를 강행, 2주차는 대전 집에서 수업을 들었다. 그러다 자동차명의 이전 때문에 여수에 내려오자마자 깊은 잠을 잤다. 피곤하다고 느끼지는 않았는데, 떨어진 체력 때문에 좀 힘이 들었나 생각이 들었다. ​ 수업은 2주차는 환경설정과 파이썬의 큰 틀을 배우는 1주와는 다르게 어려운 점이 있었다. 그래도 조원들과 함께 고민하고 답을 찾다 보니 이해되지 않는 부분도 알 수 있게 되었다. 이해없이 모방하는 것은 쉬우면서도 아쉬운 부분이 있다. 하지만 수학을 좋아했고 공부했던 나는 이런 시간이 필요함을 안다. 아이펠이 멱살잡고 가는 곳에 따라가야겠다 생각이 든다.

역시 승리의 후기를 남기게 될 줄 알았다. 의리의리한 신인 '이의리' 선수의 선발이었기 때문에 초반 기세를 잘 잡고 승리까지 나아갈 수 있었다. 2회에서 터커의 멋진 수비, 5회에 달리고 때리는 작전이 먹히고 최형우의 역점타 이정훈의 쐐기를 박는 안타, 감사한 1루에서의 힐리의 에러, 그에 이어지는 황대인의 적시타, 노아웃 만루에서 담담히 3타자를 상대한 장현식의 빠른 공, 마지막을 틀어막는 정해영의 예리한 공까지 아주 멋진 경기였다. 익사이팅 존 바로 뒤에 자리이지만 그물망이 한 개 더 늘어났다. 5000원의 금액 차이만큼 차이가 있을까 궁금했는데, 개인적인 생각으로는 5000원 혹은 그 이상의 차이가 있는 거 같다. 의자도 더 작아서 불편했고 시야에도 장애물이 훨씬 많아졌다. A열은 탁자석이라는 이름..

2021.06.01 1:9로 참패 직관을 몇 번 가지 않아서인지 이렇게 참패한 경기는 처음이었다. 중간에는 정말 기분이 안 좋았는데, 9회 말 2아웃에 '박민'선수의 끈질긴 파울과 볼넷으로 1루를 걸어가는 모습은 정말 감동이었다. 내일도 갈 수 있어서 벌써 설렌다. 그렇지, 이런 게 야구지. 8점 차에도, 1아웃만 남은 상황에도 굴하지 않고 내가 해야 할 일을 하는 것. 3루 익사이팅존은 투수들이 던지는 공을 제대로 볼 수 있었고 덕아웃 바로 옆자리여서 선수들을 바로 옆에서 볼 수 있는 점이 아주 좋았다. 목요일도 익사이팅존에 가서 앉아야겠다. 4회 중간에 홍상삼 선수가 불펜으로 가서 오늘 올라오나 기대했는데 올라오지는 않았다. 불펜으로 띄어가면서 3루 심판에게 모자를 벗고 인사하는 모습은 뭔가 홍상삼 ..

1. Introduction 왜 deeper layer의 성능이 shallow layer 보다 좋지 않았다. overfitting 때문일까? -> 그것도 아니더라. 3.1. Residual Learning ) 실험을 해봤더니, H(x)가 x가 되는 것 보다 f(x)가 0이 되는게 더 쉽다. Residual == F(x) 변화량(Residual)만 학습해도 되도록 해보자 3.2. Identity Mapping by Shortcuts 몇 개의 스택 레이어마다 잔여 학습을 채택 Building block의 수식은 아래와 같다. y=F(x,{W_i})+x x : input vector y : output vector F(x,{w_i}) -> 학습됨을 보여줌 2 layers => F=W_2\sigma(W_1x) ..

이번 데이콘은 아이펠에서 비슷한 관심사로 모인 사람들끼리 도전하였다. 팀원과 팀명 강민정 + 김이삭 + 김인유 + 문성은 = ModuWay (상금을 타서 subway 30cm를 먹는 호사를 누려보자!라는 취지에서 way를 붙였다.) 일정 대회 시작은 3월 8일 부터였지만 팀 모이는데 시간이 걸려서, 우리팀은 3월 13일에 온라인으로 첫만남을 가졌다. 대회 내용 간단하게는 비트코인 가격을 예측하는 것이었다. 더 나아가 설명하자면, 매수 시점이 고정된 529개의 비트 코인의 2시간의 가격을 각각 예측해서 가장 많은 돈을 버는 것이 목표였다. 시드머니는 모두 $10000 로 시작하는 가정이었다. 진행 EDA baseline 분석 GitHub organization 생성 (노션과 GitHub 중 고민 중에 gi..

내가 실패한 이 지점에서 내가 어떤 사람이기를 바라는지 거리를 두고 생각할 시간을 가졌으면 좋겠습니다. 실패는 앞으로도 계속될 것입니다. 그러나 지금까지 그래왔듯 (일희일비는 고사하고) 일비일비 할 필요는 없음을 꼭 말해주고 싶습니다. 실패에 한없이 추락하는 기분이 든다 해도 그 기분이 당신의 어떤 측면도 감히 규정할 수 없다는 것을 알기를 바랍니다. 더욱이 당신의 과거는 당신의 미래를 정하기엔 힘이 약합니다. 당신은 실제로 힘든 시간을 보내왔지요. 그러나, 그때에는 지옥 같았던 상황, 내가 도저히 이길 수 없는 것 같았던 사람들을 지금 다시 만난다고 생각해보면, 그때만큼 내게 큰 힘을 발휘하지 못합니다. 이제 나를 해칠 수 있는 것은 나 외에는 없을 만큼, 나를 지킬 수 있을 만큼, 나는 점차 어른이 ..

기록을 해야 하는 것을 알기 때문에 이렇게 또 적어봅니다. 👏Optimization이란 Loss를 최소화하는 W를 찾아가는 과정입니다. 여기서 방법과 목적을 잊지말아야합니다. loss 최소화를 위해 그에 맞는 W를 어떻게 찾을 건지에 대한 공부입니다. Random Search 임의로 가중치(W)를 선택해서 해당 가중치의 loss를 계산합니다. 당연히 실제로 쓰이지는 않습니다. 정확도가 아주 낮기 때문입니다. Follow the slope 산 정상에서 눈을 가린 채 내려간다고할 때, step마다 기울기가 내려가는 쪽으로 한 걸음씩 걸어야 할 것입니다. 2-1. Numeric gradient (수치적으로 계산) 코드에 h = 0.00001 을 넣어서 돌린다는 것은 미분이 아니라 그저 기울기를 구하는 것이다...

맞은데 바로 맞으면 별로 안 아프거든요?(경험담) 약간 그런 느낌으로 오히려 Lec2보다 숨이 쉬어졌습니다. 지난 시간 linear classification에서 파라미터 w를 배웠습니다. 이번 시간에는 이 w를 정량화해서 평가할 수 있게 하려고 합니다. 즉 어떤 w가 좋은지 판단하기 위함이죠. w가 얼마나 더 좋은지가 아닌, 덜 구린지를 나타낸 것이 Loss function입니다. 이 loss를 구하는 방법은 두가지가 있습니다. 1.SVM 2.Softmax Classification 입니다. svm 먼저 SVM를 봐보면 위의 식처럼 Loss를 정의합니다. max(a, b)는 a와 b중에서 큰 값을 고른다는 이야기입니다. 그렇다면 여기서는 우항이 음수이면 항상 loss는 0으로만 나오겠네요. 그리고 Sj..

+이 수업을 들으먼 k-NN, softmax and 2-layer 구현할 수 있게 됩니다 +Python, Numpy 사용 Numpy는 무엇인가 - C언어로 구현된 파이썬 라이브러리로써, 고성능의 수치계산을 위해 제작됨 - Numerical Python의 줄임말이기도 한 Numpy는 벡터 및 행렬 연산에 있어서 매우 편리 - vectorized 연산에 중요 - 일단 요정도만 Matlab(MathWorks 사에서 개발한 수치 해석 및 프로그래밍 환경을 제공하는 공학용 소프트웨어) 그리고 Numpy 와 같이 vectorized tensor 계산이 익숙하지 않다면 연습하자 Image Classification - 똑똑한 포유류와 다르게 컴퓨터는 이미지가 800*600 의 격자 모양의 숫자 집합으로 보임 - 그리..

2021.06.23.수요일 AIFFEL은 끝났지만 새로운 해커톤을 시작했다. 1시까지 모이는 약속이었는데 눈을 뜨니 12:49... 원래 잘 늦지 않는 편인데 아이펠 수료와 함께 긴장감이 풀렸는지 늦잠을 자버렸다. 부랴부랴 슬랙을 보내고 챙겨서 진흥원에 도착했다. 죄송한 마음에 커피를 사서 들어갔다. 온라인으로 주제를 정했지만 팀장님의 의견을 바탕으로 더 자세하게 주제를 정했다. 아이디어와 데이터를 구체적으로 찾아보고 신청서를 함께 작성했다. 능력 있는 팀원들 덕분에 수월하게 시작할 수 있었다. 내가 잘할 수 있을까 걱정이 되기도 하고 또 새로운 것에 도전한다고 하니 떨리기도 한다. 날도 좋고 달도 좋았다.