클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

오늘도 듀오링고에 이어 스픽으로도 영어 공부를 진행했다. 요즘은 새로운 학습은 하지 않고 이전에 배웠던 것들을 복습하고 있다. 그리고 강의만 다시 정리했으나 오늘은 상황별 대화 연습을 열어 한번 더 학습해보았다. 그 내용은 첨부해본다.난 영어로 이렇게 대화를 나누는 시간이 참 좋다.   DAY 1 - 영어와 한국어의 큰 차이            영어로 대화 나누기              학습을 마치고   오늘도 외국인과 대화를 나누며 영어를 정말 열심히 공부했다. 짧은 시간이었지만 정말 유익했다. 점심을 먹으며 시간이 있으면 평소처럼 영어 공부를 해볼 것이다.

어제는 영어공부를 하지 않았지만 오늘은 새벽에 시간을 내서 해보았다. 매일 30분에서 1시간밖에 하지 못하지만 그래도 이 시간은 정말 중요하다.   세션 1, 유닛 1 - 물건에 대해 말하기       It과 this가 같은 건줄 알았는데 아니었다. 이 둘의 차이를 아직도 잘 모르겠다. 나중에 한번 찾아봐야지.         학습을 마치고        오늘은 세션 1의 유닛 1을 모두 마쳤다. 사실 별을 하나 더 따야 진짜 목표를 완수한 건데 이건 시간 제약이 있는 문제라서 틀리고 말았다. 내일 한번 더 도전해보려고 한다.쉬운 문제이지만 그래도 종종 틀리는 문제들이 있으니 다 아는 건 아니었다. 내일도 난 듀오링고로 열심히 열어공부를 해볼 것이다.

어제는 수학 공부를 하지 못했다. 하지만 오늘은 다른 날보다 수학 공부를 더 많이 한 것 같다. 원래 한 단계의 문제를 모두 풀고 나면 오답노트를 정리할 것을 블로그에 올리곤 했었다.하지만 틀린 문제가 너무 많아서 한번에 다 정리하는 것보다 매일 공부하는 것을 올리는 것이 좋겠다고 생각했다. 가장 어려운 난이도의 A 수준 문제를 풀다 보니 도무지 어떻게 풀어야 하는지 감도 잡히지 않는 문제가 대부분이었다. 한번 틀렸던 문제를 다시 풀어도 뾰족한 해결책이 나오지 않고 시간을 절약하기 위해 답안지를 보면서 많이 풀었다.   에이급 수학 STEP A 문제 풀기                               혼자서 풀어서 맞은 문제는 딱 한 개밖에 없었다. 1시간 10분 동안 풀었는데도 오늘 5문제밖에 ..

이 내용은 공부를 하지 않으려고 했는데 그래도 코드만 있는채로 남겨두는 게 영 걸려서 그냥 마저 학습을 진행하기로 했다. 수업 영상은 없지만 모르는 건 찾아보면서 공부하면 될 것 같았다.   Callback 함수 실습해보기  매번 런타임 중단시 다시 학습하는 것이 아니라 학습한 모델을 저장하여 이것을 불러서 쓰는 기능이다.    Callback 함수는 딥러닝 모델 학습 중 특정 시점(에포크 종료, 배치 처리 후 등)에 호출되어 다양한 작업을 수행할 수 있게 해주는 함수이다. 이러한 콜백 함수는 딥러닝 모델의 성능을 향상시키고, 학습 과정을 더욱 효율적으로 관리하기 위해 사용된다.Callback 함수의 주요 역할Callback 함수는 모델 학습 중간에 특정 이벤트가 발생할 때 실행되며, 다음과 같은 작업을..

저녁 운동을 하고 나서 청소도 하고 식사도 마치고 나니 벌써 10시가 다 되었다. 그래도 이제부터 저녁 공부를 시작해보려고 한다. 오늘 밤 12시 전까지는 딥러닝 학습을 모두 마치려고 한다.   패션 데이터 분류 실습해 보기        이렇게 패션에 관련된 사진이 보이고 있다.    10개의 클래스에 대한 정보는 다음과 같다.   이제 모델링을 하기 위한 작업을 시작해 본다. 여기서부터는 제공되는 수업이 없어서 그냥 혼자서 코드를 치며 분석을 해보았다.    입력 데이터는 28x28 크기의 2D 이미지 데이터로 28x28 크기의 2차원 배열을 1차원으로 변환한다. 이를 통해 선형 형태의 데이터로 학습할 수 있게 만든다. 총 5개의 은닉층이 있으며, 첫 번째 은닉층은 relu 활성화 함수를 사용하고, 나..

최적화 함수의 종류에 대해서 학습해 보는 중이다. 아직 배우지 않은 개념에 대해 이어서 학습을 진행해 본다.   경사하강법에 대하여  경사하강법에도 여러 종류가 있는데 이 부분을 이제 알아보기로 하자.    데이터가 많을 때는 모든 데이터를 업데이트할 수 없기에 확률적 경사하강법을 사용한다. 일반 경사하강법은 시간과 비용이 많이 드는 단점이 있다. 확률적 데이터를 군집 단위로 쪼개어 일부만 업데이트하는 방식이다. 하지만 확률적인 데이터를 사용하기에 비효율적인 학습을 할 수 있다.      SGD에서는 mini-batch라고 데이터를 쪼개서 사용한다. 이 값도 하이퍼파라미터로 조절할 수 있다.    확률적 경사하강법 적용해 보기  여기서 batch_size를 64로 하면 더 많은 데이터가 돌아갈 수 있다...

이제 딥러닝 수업이 하루치만 남아있다. 빠르게 학습을 마치고 다음 과목을 공부해보고 싶다.   딥러닝 개념 정리      오늘 학습할 개념들         1. 활성화 함수       초기에는 계단 함수를 사용했는데 문제가 발생한다.         2. 경사 하강법       이 기울기를 미분해서 구하는 것이다. 공식을 암기할 필요는 없지만 이 알파값이 Learning rate라는 것 정도는 알고 있어야 한다. 기울기가 급하면 내려가는 보폭이 커지는 것을 생각하면 된다. 만약 예측값이 10인데, 실제값이 15가 나왔다면 기울기를 왼쪽으로 이동해야 한다고 판단한다. 이때 얼마만큼 왼쪽으로 이동할지 결정하는 것이 Learning rate(학습률) 알파값이다.초기에는 랜덤값으로 설정이 되니 그때의 순간 기울기..

이어서 다중분류 실습을 진행해 본다. 이제 모델링 학습을 하고 평가하는 부분이 남아있다.    다중 분류 실습 이어서      모델이 예측한 데이터와 정답 데이터가 달라서 오류가 발생한다. 이때는 shape를 낮춰주어야 한다.     선생님의 코드대로 실행을 했는데 오류가 뜨며 모델이 평가되지 못하고 있었다. 이 부분은 설명을 안 해주셔서 자료를 찾아보며 드디어 해결 방법을 찾았다. 그 이유는 y_train이 to_categorical로 변환되지 않은 상태에서 모델을 학습시키려고 하기 때문일 가능성이 컸다. 코드에서 y_train을 to_categorical로 변환했지만, 실제로 학습할 때 변환된 데이터인 cate_y_train 대신 여전히 y_train을 사용하고 있었다.   손실값이 조금씩 줄어들고 ..

이번에는 클래스가 3개 이상 있는 다중 분류 실습을 진행해 볼 것이다. 조금 전에 큐티도 하고 요가도 하며 몸과 마음을 풀어보았다. 어제 생각해 보니 공부하다가 머리가 너무 아파서 쉬고 놀았던 것 같다. 가끔은 이런 시간도 필요하다. 하지만 하루 이상 놀게 되면 흐름이 끊기니 앞으로는 이런 일이 없도록 해볼 것이다. 지금까지 살면서 공부를 하다 머리가 아팠던 적은 처음인 것 같다. 이어서 오후 공부를 시작해본다.    다중 분류 실습해 보기    픽셀의 크기가 클수록 더 선명한 화질이다.    흑백 사진으로 바꾸려면 색깔을 gray로 설정해 주면 된다. 한 개의 채널을 가지면 흑백이 출력된다.      값을 출력해 보면 픽셀의 숫자가 넘파이 배열 형태로 출력된다.   x와 y의 출력값을 알 수 있다.  ..

이제 딥러닝 세 번째 실습 프로젝트를 시작해 본다. 이진 분류로 유방암을 분류하는 수업이다. 이 수업도 역시 한 번도 듣지 않은 내용인데 잘 따라갈 수 있으리라 믿는다.  이진분류 실습해보기   사이킷런에서는 데이터를 이런 형태로 제공한다.      데이터에 대한 정보가 출력되고 있다.     모델링하기   중간층에서의 sigmoid는 역치의 개념을 가져왔다면, 출력층에서는 0부터 1 사이의 값을 해주기 위해 사용한다.      변수에 담아 이후에 그래프도 그려보기로 하자.   과적합이 되지 않으려면 train 데이터와 test 데이터의 loss 함수가 별 차이가 없어야 한다. 학습을 할수록 오차가 적어지면 좋은 것이다.   history를 통해 모델의 손실값을 출력해 줄 수 있다.    이 손실값을 y..