개발자로 후회없는 삶 살기

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/@mcodeM/playlists 메타코드M 메타코드에서 SKY출신 / AI기업 현직자에게 무료로 코딩을 배우세요 서울대 , 카이스트, 고려대 + 현업 개발자들의 핵심 코딩/데이터 강의 [비지니스 협업은 메일로 연락주세요 : support@mcode.co.kr] - www.youtube.com 본론 BERT(bidirectional encoder rep transformer= 양방향성을 가지고 있습니다. 트랜스포머의 인코딩 부분을 사용합니다.) & GPT(Generative pretrained transformer = 이름대로 만들어내는 구조입니다.) - bert transformer의 인코더 부분을 사..

서론 앞으로의 작업은 지금까지 데이터 파악, 프로젝트 주제 선정, 타당성 분석 등을 함으로 써 얻은 결과를 만들기 위한 재료를 만드는 단순 작업입니다. 이제 판다스, 넘파이를 활용할 줄 아는 내가 나설 차례입니다. 본론 13일차 - 할 일 1. 데이터 합치기 : 합친 결과 최종 데이터 셋은 리드타임 예측에 쓰고 작은 데이터 셋은 Sequece 마이닝을 하자 2. EDA. Tableau : : 현황 분석 3. 프로세스 마이닝 : 병목 현상 파악 15일차 - 할 일 1. 원본 데이터와 합친 데이터의 상위 제품 추려서 비슷한지 보기 2. 모순 데이터 개수 봐서 포함한 거 포함하고 회귀 돌려보고 모순 빼고 회귀 돌려보기 3. EDA(합친 데이터로만) 4. 합친 데이터, 원본 데이터에 Apriori 5. 리드타임..

서론 데이터 청년 캠퍼스 project 10, 11, 12일차 내용입니다. 본론 10일차 이제 교수님께 받은 자문을 토대로 데이터의 컬럼을 만들 차례입니다. 팀원분들이 컴공의 실력을 믿겠다고들 하십니다. 마음껏 내가 그동안 연습했던 pandas, numpy를 뽐내보겠습니다! ※ 이제부터 각 공정 이름이 나옵니다. 대표적으로 CNC, MCT, 세정 등입니다. 공정 이름이 나온다면 '공정 이름이구나'하고 넘어가면 될 것입니다. 전에 받은 경영지표, 생산실적조회 외에 각 공정 RUN time가 하나의 제품이 생상 되는데 걸리는 평균 리드타임이 들어있는 데이터를 추가로 받았습니다. - 교수님의 자문 정리 인풋으로 품목, 공정, 라우트를 넣으면 리드타임이 나옵니다. 그러면 리드타임을 최소화하는 방향으로 가보자 >..

서론 교과목 실습 과제 2에서 수행한 사항들을 정리해 보겠습니다. 본론 - 텔레그램 봇 기능 추가 1. 텔레그램 봇은 30분마다 메시지 전송 2. 단, 저녁 23~ 아침 6시까지는 메시지 전송 불가 => 목적 텔레그램 봇을 연동한 MASK-RCNN 학습 완료 후 자동 알림과 가중치 파일 알림 => 코드 import telegram import schedule import time import datetime import pytz token = "" bot = telegram.Bot(token) public_chat_name = "@ktest2022" def job(): now = datetime.datetime.now(pytz.timezone('Asia/Seoul')) if now.hour >= 23 o..

서론 교과목 실습 과제 1에서 수행한 사항들을 정리해 봅시다. 본론 - 내용 MASK-RCNN 개발 환경 구축 - 산출물 1. MASK-RCNN 개발 환경 구축 단계별 문제점 및 해결 방안 정리 (PPT, 동영상, 문서 중 선택) 2. MASK-RCNN 개발 가상 환경 배포 버전 (Anaconda 가상 환경 Export) - 검증방안 1. 수업 시간에 각 팀 별 발표 + 제출 산출물 기반 MASK-RCNN Sample 실행 가능 여부 확인 2. Training Validation을 통해 확인 - 단계 1. MASK RCNN 환경 구축 2. Sample Balloon 학습 3. Test - 수행(tensorflow version 1) => MASK RCNN 환경 구축 1. 가상환경 만들기 2. 라이브러리 ..

서론 교과목 14주차 강의 내용을 정리해 보겠습니다. 본론 - 쿠버네티스란? 우리는 지금까지 도커 이미지를 이용해서 프로젝트를 하기 위한 도구들을 배웠습니다. 도커 이미지를 사용하기 위한 인프라를 다져주는 것이 쿠버네티스입니다. 이미지 기반으로 동작을 하더라도 단순히 한 개나 적게 설치할 때는(이미지 pull) 쉽지만 엄청나게 많이 설치할 때는 이미지 기반으로 설치하는 것도 어렵습니다. 구글이라고 하면 하루에 셀 수 없이 많은 컨테이너가 발생합니다. 이 수많은 이미지를 다운 받는 것을 내가 로컬에 이미지를 다운 받을 때처럼 타이핑으로 pull하면 시간도 많이 걸리고 상식적으로 말이 안 된다고 할 수 있습니다. > 이런 것을 조율해 주는 것이 쿠버네티스로 컨테이너 오케스트레이션 도구입니다. (k8s라고 부..

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/@mcodeM/playlists 메타코드M 메타코드에서 SKY출신 / AI기업 현직자에게 무료로 코딩을 배우세요 서울대 , 카이스트, 고려대 + 현업 개발자들의 핵심 코딩/데이터 강의 [비지니스 협업은 메일로 연락주세요 : support@mcode.co.kr] - www.youtube.com 본론 - 어텐션 rnn의 단점을 보완하기 위해 만든 것이 lstm이었습니다. 이들은 시간에 따라서 sequential 한 w가 전달되는 특징이 있었습니다. 여기서 파생된 것이 seq2seq였습니다. 이는 인-디코더를 가지고 many-to-many 구조를 띄고 있었고 이것의 문제점을 보완하기 위해 만들어진 것이 at..

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/@mcodeM/playlists 메타코드M 메타코드에서 SKY출신 / AI기업 현직자에게 무료로 코딩을 배우세요 서울대 , 카이스트, 고려대 + 현업 개발자들의 핵심 코딩/데이터 강의 [비지니스 협업은 메일로 연락주세요 : support@mcode.co.kr] - www.youtube.com 본론 - rnn 시간에 따라 변화하는 데이터를 처리하기에 좋은 NN 구조입니다. > 예시 : 음성인식, 음악 생성기, DNA 염기 서열 분석, 번역기, 감정 분석 > state space model입니다. 입력, 상태, 출력을 다루는 모델입니다. history를 가져가는 모델입니다. 세 개의 w를 공유합니다. rn..