Razelo 기술노트

간단하게 설명 잘해놓으셨다. 개념 잡기 좋다. https://www.youtube.com/watch?v=JJSghRnWbag&list=PLuHgQVnccGMDNWIEgnXjaZ3jgbIo5zQGi&index=1

킬러앱이 없기 때문이다. 또 하나의 이유 platform exclusivity -> 플랫폼 독점

클라우드는 전부터 있었다. 자꾸 클라우드가 새롭게 나왔다고 착각하는데 클라우드는 그냥 쉽게 말하면 내가 서버를 서비스로 제공하는거다. 내가 관리를 안하는거다. 예전에는 이런 서비스가 있었다. 큰서버가 있고 큰서버에 여러 개의 가상머신을 띄우거나 리눅스 서버에 여러 개의 폴더를 만들어서 인스턴스를 만드는 격이었다. 이게 어찌보면 클라우드의 전신이라고 볼 수도 있다. 클라우드는 개발의 편의성을 높여주는 것은 맞다. 다만 새로운 것은 아니라는 뜻이다. 싸다? 결론을 말하면 자체 서버를 가지는 것보다는 클라우드가 더 비싸다. 그런데 만약 낮에만 사용자가 들어온다? 밤에는 안들어오고? 그런면에서는 Azure가 더 싸다고 말할 수 있다. 그러나 페이스북 정도의 전세계 사용자가 있고 범위도 엄청나게 크다면 분명히 1..

인터넷에서 이곳저곳 탐방하다가 꽤 흥미로운 아티클들을 발견했다. 결론: 그냥 하던거 열심히 공부하자. '_^ https://medium.com/@frietziek/the-future-of-the-jvm-java-scala-and-kotlin-846c6f2f2491 The future of the JVM: Java, Scala and Kotlin I’ve been working with many different programming languages throughout my software engineer career, but Java was always there in the mix. medium.com https://betterprogramming.pub/a-new-future-for-java-b10..

기술자로 남아라. 언제나 시작할때는 직장이 많다. 올라갈 수록 위치가 적어진다. 만약 내가 이사가 됬다면 내가 이사로 다니다가 다른 곳으로 옮겨갈 수 있는 기회가 얼마나 많냐라는 것이다. 본인이 이사로 다니다가 당장 이사로 들어가야 하는데 자리가 많지 않다. 또 하나의 문제는 다른 곳에서 볼때 이미 직장이 없는 사람을 볼때 기술자를 볼때와 이사 즉 개발에서 손뗀 사람(매니저)를 볼때 다르게 본다는 것이다. 어차피 매니저란 직종 자체가 뛰어난 리드가 없다. 사람관리하는 일이다. 정말 잘하는 매니저는 위아래 다 훑는다. 기술직이 아닌 곳은 사실 어떻게 판가름하기 어렵다. 그래서 기술직이 아니면 나이가 들어서 직장을 잃었을때 이직하기 힘들다. 반대로 개발자면 얘기가 달라진다. 개발자는 어찌되었든 기술로 먹고산..

오버피팅이란 용어를 처음 듣게 되었는데 감이 잡히지 않아 정리하게 되었다. 간단히 정리하면 공통 특성 중 일부 특성만 너무 편향되어 반영된 상태로 학습되면 새로운 데이터로 막 예측해버리는 모델인 UnderFitting이 되는 것이고 만약 공통 특성 중 지엽적인 특성까지 반영하여 high variance 하게 학습하게 되면 새로운 데이터에 대해서는 예측하지 못하는 모델인 overfitting이 되는 것이다. 아래 블로그에 상당히 쉽게 설명되어 있다. https://nittaku.tistory.com/289 10. 오버피팅 및 언터피팅 이해 및 극복하기(bias, variance를 통한 Regularization(lr) / Early Stop / Dropout) 캡쳐 사진 및 글작성에 대한 도움 출저 : 유..

드디어 끝이 났다. 어제 밤과 오늘 아침이 제일 바빴다고 생각한다. 언제 이렇게 몰두해서 무언가를 해봤었는지 기억이 가물가물했는데 재밌어서 그런건지 아니면 새로운 분야라 내게 자극을 준것인지 어떤 이유에서인지 모르겠지만 정말 몰두해서 작업했다. 내가 모르는 기술 즉 처음 본 기술을 본 누군가는 그 기술이 마법같아보인다고 했다. 마찬가지다. 일반적인 코딩만 하면서 구조를 만드는 작업에서는 딥러닝을 이용한 작업에서 마주치는 문제들과 전혀 결이 다르다. 확실히 다른 분야라는 것을 느끼게 되었다. (알고리즘을 무엇을 선택하고 어떻게 관계를 맺을지 혹은 어떤 책임을 부여할지 고민하는 것과는 확연히 다른 고민을 하게 되었다. 이 프로그램의 경우 주로 어떻게 데이터셋을 구성해야 좋은 결과가 나올까? 혹은 왜 이런 결..

김포프님 영상을 가끔씩 찾아보는데 꽤 재밌는 영상이 있어서 내용을 간략하게 정리해놨다. 별생각없이 봤지만 영상을 보고 나서 스스로 많은 고민을 해본 영상이다. 그만큼 반성도 했고 잘했다는 만족감도 느낀 내용이었는데 공감하는 부분이 많아서 기억에 꽤 남는다. 항상 좋은 말씀을 해주시는 분이다. 천부적으로 무언가를 잘하는 사람은 있다. 노력해서 늘리는 것을 수재라고 한다. 수재가 천재를 누를 수 있다? 80프로 맞는 말이라고 생각한다. 세상 사람들이 모든 여건을 갖추고 살지는 않는다. 세상은 어차피 공정하지는 않다. 단지 돈의 문제를 떠나서 타고난 재능은 다르다. 하지만 내가 재능이 없더라도 정말 노력을 한다면 어느 한 분야는 잘할 수 있게 된다. 천재가 노력을 하게 된다면 이길 수 없는 것은 맞다. 하지만..

오늘은 4일차가 되었다. 3일차에 학습을 완료하고 테스트를 진행했는데 조금 부족한 부분이 있어서 오늘 개선시키기로 했다. 하지만 방향을 어디로 잡을지에 대해서 고민이 있어서 강사님께 궁금한점을 여쭤보고 이를 통해 방향성을 잡기로 했다. 아래는 내가한 질문과 그에 대한 답변의 요약본이다. 주의: 말씀을 급하게 받아치느라 잘못들은 내용이 있을 수도 있음. 개요: 일단 현재까지의 상황을 말씀드리면 일단 지금 두명이 (인종별) 데이터를 돌려보았다. 학습이 끝나고 그래프도 잘 나왔고 가장 좋은 인식률이 93프로가 나왔다. 이후에 테스트 이미지로 확인해보았는데 흑인 백인 황인이미지를 줬을때 모두 잘 인식했다. 웹캠으로 제 얼굴을 확인했을때도 yellow(황인)로 잘 인식했다. 하지만 아직 부족한 부분이 있어서 어느..

사람들은 어떻게 컴퓨터를 사람처럼 똑똑하게 만들지에 대해 연구해왔다. 사실 컴퓨터를 어떻게 똑똑하게 만들 수 있을까에 대한 학문이다. 최근 알게 된 사실은 컴퓨터에게 모든 것을 알려주는 것이 좋은 방법은 아니라는 것을 알게 되었다. 스스로 배우게 하는 것이 가장 좋다. 훈련을 시킨다. 잘못 인식하면 조금씩 수정을 가한다. 다음에 봤을때는 올바른 결과물을 낼 수 있도록 하는 것이다. 이렇게 머신러닝 모델을 수정해가며 올바른 결과에 다가서는 것이다. 그 다음 단계는 추론이다. 이전에 보지 못했던 것을 통해 정답을 알아내는 것이다. 가장 많은 진보가 있는 곳이 있었다. 컴퓨터 비전이다. 음성과 언어 이해 분야에서도 큰 발전이 있었다. 구글은 텐서플로와 같은 오픈 소스 패키지를 제공하고 있다. 누구든 머신러닝을..