boostcamp

부스트캠프 AI Tech 2기 8주차 학습정리

8주차 학습정리 강의 복습 내용 https://velog.io/@naem1023/NLP-헷갈렸던-점들 https://velog.io/@naem1023/Kaggle-tip https://velog.io/@naem1023/AI-model-as-Service서비스-향-AI-모델 https://velog.io/@naem1023/MLOps-정리 과제 수행 과정 / 결과물 정리 대회 준비를 위해 MLOps 관련된 사항들을 미리 조사해보고 테스트해볼 내용들을 미리 수행했다. Github actions * Wandb action을 많이 사용할줄 알았지만, 결과를
Sungho Park

Kaggle tip

경진대회 플랫폼 * Kaggle * 카카오 아레나: 계열사 전용이라고 한다. * 데이콘: public 대회. Kaggle 스타일이 적용되는 중이라고 한다. Ranking * Ranking system: competition 내의 point로 정해지는 순위 * 팀을 이뤄 출전하면 $\sqrt{N}$빵한다. * Tier system: competition medal 수에 따라 결정 Competition Purpose * Featured * 상업적 대회 * 우승한 모델을 기업에서 쓰는 경우도 있다. * Research * 연구
Sungho Park

AI model as Service

AI model as Researching ![](/assets/images/AI model as Service/b0c684b9-202f-40b7-8a82-eeebc246bbcd-image.png) Imagenet처럼 데이터셋이 명확하고, 이를 해결하기 위한 모델링에 집중한다. AI model as Servicing ![](/assets/images/AI model as Service/0bfb577d-4358-44fe-a2a4-09f16450e819-image.png) 보통의 산업환경에서는 데이터셋 자체가 존재하지 않는 경우가 대부분이다. Software Requirements들만 존재하고 이를 해결하기 위한 도구로써 AI를 요구하는 경우가
Sungho Park

부스트캠프 AI Tech 2기 7주차 학습정리

7주차 학습정리 강의 복습 내용 NLP (10~14번 포스팅) https://velog.io/@naem1023/series/NLP 과제 수행 과정 / 결과물 정리 멘토링 답변 ** 피어세션 ** 피어세션에서 정말 많은 질의가 오갔다. 그 중에서 해결이 안되거나 애매모호한 부분들만 모아서 질문을 했고 이에 대한 답변을 정리하면 다음과 같다. * transformer에서 d_k로 나누는 이유? * d_k와
Sungho Park

부스트캠프 AI Tech 2기 6주차 학습정리

6주차 학습정리 강의 복습 내용 NLP (1~9번 포스팅) https://velog.io/@naem1023/series/NLP 과제 수행 과정 / 결과물 정리 bucketing ![](/assets/images/부스트캠프 AI Tech 2기 6주차 학습정리/89d8a5d1-3a51-4a52-8c89-fd8cfa8a7fcb-image.png) 데이터의 길이에 따라서 batch를 재구성하는 기법이다. 과제 4에서 나왔는데 기법 자체에 대한 이해는 쉬웠지만, 코드에 대한 이해가 매우 어려웠다.
Sungho Park

첫번째 Ai Competition 마무리

2주간의 짧은 시간이었지만, 계속 밤을 샜던지라 4주와도 같았던 시간이었다. 그 동안 시도했던 내용들, 다른 사람들이 사용했던 방법들을 정리해봤다. 최종 결과물 실험을 위해 구현했던 개인 코드: https://github.com/naem1023/boostcamp-pstage-image 내가 만든 모델을 통해 5위를 한 것도 너무 좋았고 그 과정에서 팀원들과 밤새면서 함께 코딩하고 실험했던 경험들이 소중했다. 교외에서 한번도
Sungho Park