SungKongHoe Univ. AI Honor Conference 1st CS231n study
2023년도 성공회대학교 인공지능 명예학회 1기 심화학술 스터디입니다
- 🧑 류창훈
- 🧑 박무재
- 🧑 최민우
- CS231n 강의 듣기
- 개별적 강의 정리
- 공부 리뷰
- OpenCV활용 얼굴탐지 실습
- CNN논문 리딩
- Kaggle 독버섯 분류 코드 분석
| 순번 | 날짜 | 진행 |
|---|---|---|
| 1 | 3/6 | Lecture 1 |
| 2 | 3/13 | Lecture 2, Lecture 3 |
| 3 | 3/20 | Lecture 4, Lecture 5 |
| 4 | 3/29 | Lecture 6, Lecture 7 |
| 5 | 4/3 | Lecture 8, Lecture 9 |
| 6 | 5/1 | Lecture 10, Lecture 11 |
| 7 | 5/8 | Lecture 12, Lecture 13 |
| 8 | 5/10 | Lecture 14 |
| 9 | 5/15 ~ 끝날 때 까지 (최대한 빠르게) |
Kaggle 독버섯 분류 코드 분석 |
| 10 | ~6/14 | CNN관련 논문 리딩 CS231n 개인 블로그 업로드 마무리 |
-3/6: 스터디 진행 계획 설명, Lecture 1 리뷰 진행, 프로젝트 진행 논의
-3/13: Nearest Neighbor(최근접 이웃), KNN(k-최근접 이웃), 하이퍼파라미터, 선형분류, 손실함수(SVM, SoftMax), Optimization, Image Features 이론 학습.
-3/20: Back propagation(역전파), Neural Network(신경망), 신경망 역사, ConvNet 구조, spartial dimension(공간 차원)
-3/29: 활성화 함수(Sigmoid, ReLU, Leaky ReLU, PReLU, ELU, Maxout), 데이터 전처리(AlexNet, VGGNet), 가중치, 학습률 조정, BabySitting the Learning Process, 최적화(SGD, SGD Momentum, Nesterov, AdaGrad, Adam, 뉴런스텝, 모델 앙상블), 정규화(드롭아웃, 역 드롭아웃, 배치 정규화), Transfor Learning 이론 학습 및 OpenCV 활용 성별, 나이 인식 코드 실습.
-4/3: 딥러닝 프레임워크 역사(Caffe/ Caffe2, Theano/ TensorFlow, Torch/ Pytorch)와 각각의 형태, 장단점, CNN연구(LeNet-5, ZFNet, VGGNet, GoogLeNet, ResNet, NiN, DenseNet, SqueezeNet)의 방식.
- 5/1: 계산 그래프 활용한 RNN이론 실습. CNN과 RNN의 연관성. Vanilla RNN, LSTM, GRU 각각의 구성. 이미지 분리(Segmentation), 위치찾기(Localization), 탐지(Detection) 방식 학습.
-5/8: CNN계층 내부에서 어떤 계산이 일어나는지에 대한 학습, 그간의 연구 방식. Unsupervised Learning(비지도 학습)의 형태, 연구 살펴보기.
-5/10: 강화학습(Reinforcement Learning)의 개념, MDP(Markov Decision Process) 수식, 기댓값 수식화(Value function, Q-Value function), Q-learning, Policy Gradients(Q-learning보다 진보된 방식, 기울기를 구한 최적의 정책 찾기 가능), 분산값 줄이는 방식, Actor-Critic 알고리즘 구조.
-5/15: 캐글 독버섯 데이터 DecisionTreeClassifier, RandomForestClassifier, XGBClassifier, ExtraTreeClassifier, VotingClassifier로 정확도 비교.
-5/17: 캐글 독버섯 데이터 전처리, 분류 후 여러 시각화 적용.
-5/22: DenseNet논문 리딩 후 요약, 토론.
-5/24: DenseNet 구현.