공지 자료
1주차 & OT
2주차
3주차
ML/DL Basic 패션 분류기 만들기 프로젝트 checker 오류
01_dnn_tf/check_util/checker.py 오류
checker에서 metric indexing 오류가 발견됐습니다.
'accuracy'는 metric[1]인데 metric[0]으로 되어 있어서 수정이 필요합니다!
과제를 제출하는데 있어서 문제가 있었던 분들은 위에 checker.py로 교체해 보세요
4주차
5주차
6주차
7주차
9주차
스터디 소개
Basic 스터디 주제
1.
Machine Learning (Regression 등)
2.
DNN (Activation function & Dropout)
3.
CNN & RNN
4.
Kaggle 공모전 코드 리뷰 5.
미니프로젝트 (Basic, Advanced가 섞여 한 팀으로 참여)
Basic 스터디의 학습 목표
Solution Challenge에서 ML/DL 관련 개발을 할 수 있을 정도의 스킬셋 마련!
1.
Regression 과정을 이해하고, 코드로 작성해보기
2.
ReLU, Dropout 같은 기법에 대해 이해하기
3.
CNN, RNN 등의 인공신경망에 대해 알아보기
4.
실제 부동산 데이터셋을 다뤄보고, 가격 예측 모델의 성능 개선해보기
5.
솔루션챌린지에 앞서 팀으로 해결해야 하는 문제를 찾고 문제를 ML/DL을 이용해 해결해 보기.
Advanced 스터디 주제
1.
Spaceship Titanic(공모전) - ML
2.
LLM Science Exam(공모전) - DL
3.
CAFA 5 Protein Function Prediction(공모전) - DL
4.
미니 프로젝트 (Basic, Advanced가 섞여 한 팀으로 참여)
Advanced 스터디의 학습 목표
1.
Spaceship Titanic이라는 우주선의 손상된 컴퓨터 시스템에서 회수된 승객의 개인 정보를 사용하여, 어떤 승객이 시공간 이상 현상으로 인해 다른 차원으로 이동되었는지를 예측해보기.
2.
대형 언어 모델(Large Language Models, LLMs)이 작성한 과학 기반의 어려운 질문에 답하는 능력을 평가하기.
3.
단백질의 아미노산 서열과 다른 데이터를 기반으로 단백질의 기능을 예측해보기.
4.
솔루션챌린지에 앞서 팀으로 해결해야 하는 문제를 찾고 문제를 ML/DL을 이용해 해결해 보기.
스터디 계획표
스터디 규칙
전체 일정
총 9주간 진행되며,
매주 목요일 저녁, TechTalk 세션이 종료된 후(19:45) 진행됩니다.
* 매 주차 정해진 발표자가 나와서 정리한 내용을 발표하는 방식입니다!
스터디 이후 진행되는 뒷풀이에도 많은 관심 부탁드립니다!
출석 및 주차별 미션
매 주차 지정된 발표자가 정리한 내용을 듣는 것이 출석의 조건입니다!
출석 체크는 발표 시작 직전에, 직접 호명으로 진행됩니다.
(지각 기준은 15분이며, 지각자는 세션이 종료된 후에 말씀주세요.)
또한, 발표자 외 인원에게는 매주 미션이 할당됩니다!
내용은 다음과 같습니다!
주차별 미션을 어디에 어떻게 제출하나요?
Basic 스터디
Self-Study를 하면서 공부한 내용을 ML/DL 스터디 시간 전날까지 기록하고 공유합니다.
또한, 다음 내용도 제출해 주셔야 해요!
1.
boostcourse github에 올라온 실습 자료를 Clone coding한 파일 (.ipynb)
•
새로 알게 된 내용은 중간중간 markdown을 통해서 정리해 주세요
•
강의에서 다루지 않는 부분도 포함입니다
•
Github: DeepLearning-Study/ Basic/Week(N) / WIL 에 제출해 주세요.
2.
발표세션에서 발표할 자료 (.pdf)
•
우측 study 방식 내용을 참고해 주세요.
•
Github: DeepLearning-Study/ Basic/Week(N) / Presentation 에 제출해 주세요.
3.
발표영상 (링크)
•
개인 Youtube에 올려주세요
◦
전체 공개를 원하지 않으시면 일부 공개로 업로드 하시면 됩니다.
•
Github: issue “[N주차] Basic_발표영상”에 comment로 링크를 달아주세요.
Advanced 스터디
팀별 활동 내용을 정리해서 ML/DL 스터디 시간 전까지 기록하고 공유합니다.
또한, 다음 내용도 제출해 주셔야 해요!
1.
공모전을 준비하면서 공부한 알고리즘 or 데이터에 대한 background or 논문
•
구성원들 모두가 1개 이상 작성
•
Github: DeepLearning-Study/ Advanced/Week(N) / WIL 에 제출해 주세요.
2.
발표세션에서 발표할 자료 (.pdf)
•
우측 study 방식 내용을 참고해 주세요.
•
Github: DeepLearning-Study/ Advanced/Week(N) / Presentation 에 제출해 주세요.
3.
발표영상
•
개인 Youtube에 올려주세요
◦
전체 공개를 원하지 않으시면 일부 공개로 업로드 하시면 됩니다.
•
Github: issue “[N주차] Advanced_발표영상”에 comment로 링크를 달아주세요.
시험 기간
시험기간은 쉬어갑니다! 시험 잘 보구 만나용
중간고사 : 10/08 ~ 10/28 (6주차) Autumn Break
기말고사 : 12/03 ~ 12/23 (13주차) Winter Break
Study 방식
Basic 스터디
발표자는 각 주차 스터디 계획에 미리 정해져 있으니 참고하세요!
발표자는, 10분 내로 Self-Study하면서 준비한 내용을 발표하게 됩니다!
이때, 발표자료는 다음 항목을 포함하는 것을 권장합니다.
1.
이번 주차에 학습했던 내용 요약
2.
(위 내용에 대해) 자신의 보충 학습 내용 답을 찾지 못했더라도 괜찮아요!
3.
더 생각해볼 주제
그 외에도, 자유롭게 학습과 관련한 다양한 내용을 발표하셔도 좋습니다
발표자료는 화려하게 디자인 할 필요가 전혀 없지만,
내용을 잘 확인할 수 있도록 제작하여 공유해주세요.
발표자료 제작이 부담이라면, 해당주차 작성한 WIL을 활용해보세요
Advanced 스터디
팀이 정해지면 각 팀에서 팀장을 선발해주세요
1.
팀장은 팀 단위 작업물을 취합해서 제출해 주세요.
2.
팀장은 팀원들의 역할이 적절히 배분되게 조정해 주세요.
발표팀은 각 주차 스터디 계획에 미리 정해져 있으니 참고하세요! (2팀)
선정된 발표자는, 10분 내로 공모전을 하면서 수행한 내용을 발표하게 됩니다!
이때, 발표자료는 다음 항목을 포함하는 것을 권장합니다.
전반
1.
기술 스택 확인: 라이브러리, 프레임워크를 확인합니다.
2.
자료 조사: 문제에 대한 배경 지식을 조사하고, 관련 데이터의 특성에 대해서 고민하고 분석합니다.
3.
목표 설정: 목표 Leaderboard Score를 설정합니다.
4.
일정 계획: 마일스톤을 설정하고, 각 단계별로 완료해야 할 작업을 나열합니다.
5.
프로토타입 개발: 간단한 모델을 만들어 봅니다.
후반
1.
데이터 전처리, 모델 설계, 모델 훈련
2.
성능 평가: 훈련된 모델의 성능을 평가하고, 필요한 경우 모델을 수정합니다.
3.
최적화: 모델의 성능을 최적화하기 위해 하이퍼파라미터를 조정하거나 다른 기술을 적용합니다
4.
kaggle 제출: Leaderboard Score와 팀 이름이 나오게 스크린샷
그 외에도, 자유롭게 공모전을 준비하면서 학습한 다양한 내용을 발표하셔도 좋습니다.
Peer Review (우수 참여자 선정)
한 달에 한번씩 우수 참여자를 선정할 계획이에요!
기준은 다음과 같습니다
•
스터디 출석을 성실히 했는가?
•
미션을 성실히 수행해 왔는가?
•
커뮤니티 및 스터디 활성화에 기여했는가?
(새로 안 사실을 공유하거나, 도움이 될 만한 질문을 올리는 등의 활동)
우수 참여자로 선정되신 분께는,
벌금 일부 감면 or Google 굿즈 or 기프티콘 증정
점수 부과 기준
•
지각 제출 -1
•
질문 +1
•
온라인 출석 (자율 출석)
-2 점당 미제출 1회로 간주
미제출은 점수 반영X, 그 자체로 페널티