AI 지식과 정보를 나누고 궁금증을 해결해요

7,806개 게시물

인공지능과 데이터 과학의 모든 이야기를 해요.
질문과 답변으로 호기심을 해결하고, 새롭게 배운 지식과 정보를 나눠요.

대회 학습 채용 정보

일반 알림 랭커특강 코드 자료 Q & A

국내외 AI 컨퍼런스 볼 수있는 곳 추천

국내외 AI 컨퍼런스 볼 수 있는 영상이나 정리해놓은 곳 있나요?? 아시는 분 알려주시면 감사드리겠습니다!

swttt

287

2025.05.07

287

2025.05.07

인공지능 공부 관련해서 질문있습니다 ㅜㅜ..(고수님들 도와주세요)

안녕하세요. 작년부터 처음 코딩을 접해 인공지능 공부하는 학생입니다. 다름이 아니라 최근 인공지능 공부에 막막함을 느껴 다른 고수분들은 어떻게 공부를 하나 싶어서 여기에 용기내어 작성해봅니다. 저같은 경우에는 파이썬 문법 > 자료구조/알고리즘 > 분류/회귀 및 기초 머신러닝 > CNN > Object Detection/ Segmentation까지 공부하는 중입니다.(CV쪽에 관심이 있습니다 !) 당연한 얘기겠지만 공부하면 계속해서 까먹게 되고, CNN과 Object Detection/Segmentation 부분을 하루종일 까먹고 기억나고 반복해서 공부중입니다. 이렇게 계속 공부하는 게 맞는걸까요.. 대회에 참가해서 높은 성적도 얻고 싶은 마음도 당연히 있습니다. 하지만, 그 어디서도 방법을 알려주지는 않더라고요.. "소스코드를 많이 봐라"이런 말도 하시는데 그냥 높은 순위권의 사람이 올려준 소스코드를 공부하다보면 실력이 늘까요..? 아니면 추천하시는 공부 방법이 있으실까요?

조치연

566

2025.05.03

566

2025.05.03

대표적인 데이터/모델 라이선스 요약

데이터셋과 모델 라이선스 를 확인하고 정리할 때 참고할 수 있는 항목들과 대표적인 라이선스 유형 공유합니다~!

minzii

2025.04.28

데이콘 연 구독 환불 부탁드립니다.

월간구독해야하는데 잘못 구독하였습니다. 데이콘 연 구독 환불 부탁드립니다.

나쁜남자이준휘

2025.04.25

pytorch 설치(CUDA버전 포함)

Pytorch 처음 설치할 때 매번 검색하기에 번거로울 수 있으니 공유합니다. 1️⃣ PyTorch (CPU 버전 설치) pip install torch torchvision torchaudio 2️⃣ PyTorch (CUDA 버전 설치) ※ CUDA 버전은 사용하는 GPU 환경에 따라 맞춰 설치해야 합니다. CUDA 11.8 기준: pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 CUDA 11.7 기준: pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 버전 모르면 nvidia-smi로 확인한번 해보세요~ 3️⃣ 설치 확인 python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())" pytorch 한번 꼬이면 지웠다가 다시까시는 걸 추천합니다. 그게 제일 빠르더라구요 ㅎ

maxx

148

2025.04.15

148

2025.04.15

[머신러닝을 위한 대수학 - 1.5] torch.einsum은 무적이다

[머신러닝을 위한 대수학 - 1] (텐서편) 과 이어집니다. 아래는 torch 내 einsum 함수의 예제 코드를 가볍게 작성해본 모습입니다. 우선 다음과 같이 세팅해줍니다. import torch import torch.nn.functional as F A = torch.tensor([ [1, 2], [3, 4] ], dtype=torch.float32) B = torch.tensor([ [5, 6], [7, 8] ], dtype=torch.float32) u = torch.tensor([1, 2], dtype=torch.float32) v = torch.tensor([3, 4], dtype=torch.float32) 일반적인 행렬 곱 print("<torch.matmul 이용>") print(torch.matmul(A, B)) print("<torch.einsum 이용>") print(torch.einsum('ik,kj->ij', A, B)) 아다마르 곱(Hadamard product) print("<torch.mul 이용>") print(torch.mul(A, B)) print("<torch.einsum 이용>") print(torch.einsum('ij,ij->ij', A, B)) 쌍선형 형식(bilinear form) print(torch.einsum('i,ij,j->',u,B,v)) *2D CNN (위,아래 첨자 구분 X) def conv2d(x, w, b): B, C_in, H_in, W_in = x.shape C_out, _, K_h, K_w = w.shape H_out = H_in - K_h + 1 W_out = W_in - K_w + 1 x_unfold = F.unfold(x, kernel_size=(K_h, K_w), stride=1, padding=0) x_patches = x_unfold.view(B, C_in, K_h, K_w, H_out, W_out) x_patches = x_patches.permute(0, 1, 4, 5, 2, 3) y = torch.einsum('bcijmn,kcmn->bkij', x_patches, w) y = y + b.view(1, -1, 1, 1) y = F.relu(y) return y B = 2 C_in = 3 H_in, W_in = 5, 5 C_out = 2 K_h, K_w = 3, 3 x = torch.randn(B, C_in, H_in, W_in) w = torch.randn(C_out, C_in, K_h, K_w) b = torch.randn(C_out) y = conv2d(x, w, b) print(y.shape) print(y)

rootenter

223

2025.04.14

223

2025.04.14

[머신러닝을 위한 대수학 - 1] 텐서는 다차원 배열이 아니다 (Multilinear algebra)

본 편을 시작으로 딥러닝에서 이야기하는 ‘텐서’가 수학적으로 어떤 대상인지를 이야기하고자 합니다. 실제로 물리학, 대수학 등의 분야에서 다루는 텐서는 상당히 추상적인 개념입니다. 이 내용을 딥러닝 쪽과 연결지어서 서술하는 글을 보지 못해 직접 써봅니다. 내용의 간결성을 위해서 엄밀한 정의와 표현은 최소한으로 하고 글을 작성합니다. 다만 사전에 선형대수학에 대한 기초적인 이해가 없다면 다소 어려운 글이 될 수 있습니다. 우선 필요한 선형대수학에서의 ‘직관’을 몇가지 짚고 넘어가겠습니다. 기저(Basis) (선대에서 말하는 basis와 span의 개념을 이해하고 있다면 이 단락은 넘어가셔도 됩니다) 적절한 스칼라, 벡터에 관한 연산이 정의된 대수적 구조를 ‘벡터 공간(Vector space)’이라고 부릅니다. 어떤 벡터 공간에서의 기저란 간단히 말해서 평행하지 않은(선형 독립인) 성분으로 이루어진 벡터들의 집합입니다 —단, 이는 다소 불완전한 설명입니다—. 간단히 예를 들어보겠습니다. 여러분은 아래의 좌표평면에서 원점에 위치하는 데이커 D를 각각 상-하, 좌-우로 움직이는 두 방향키를 이용해 조작할 수 있습니다. 이때 D는 임의의 지점 (a,b)에 도달할 수 있을까요? 물론 가능합니다. 그러나, D의 이동을 방해하려는 어떤 세력이 여러분의 상-하 방향키(벡터)를 뽑아버렸습니다. 결과적으로 여러분의 데이커 D는 1차원에서만 살아가게 되면서 이 우주에서 가장 외로운 존재가 되었음은 물론, 도착지 (a,b)가 x축 위에 있지 않다면 D는 영원히 목표 지점에 도달할 수조차 없습니다. 여러분이 2개의 방향키를 모두 가지고 있을 때, 이 둘을 기저로 잡으면 여러분은 실벡터 공간 R^2(좌표평면) 전체를 생성(span)합니다. 그러나, 방향키를 하나만 가지고 있는 지금의 여러분은 기저 벡터가 단 하나이기에 1차원 실벡터 공간 R만을 생성할 수 있습니다. 보다 자세한 기저의 정의와 선형 독립, 선형 종속의 개념은 위키피디아 를 참고할 수 있습니다. ex.1) 좌표평면에서 x축 성분과 y축 성분에 해당하는 두 벡터 (1,0), (0,1)로 이루어진 집합은 벡터 공간 R^2의 기저입니다. ex.2) ex.1과 동일한 공간에서 두 벡터 (1,0), (1,1) 역시 선형 독립인 R^2의 기저 벡터입니다. ex.3) 3차원 (유클리드) 공간(R^3)에서 벡터 집합 {(1,0,0), (0,1,0), (0,0,1)}은 기저입니다. *ex.4) 2x2 실수 행렬 전체를 원소로 가지는 벡터 공간 M_{2x2}(R)는 4개의 기저 벡터를 갖습니다. 쌍대 공간(Dual space) 이제부터 본격적인 이야기가 시작됩니다. 벡터 공간 V에는 항상 대응되는 쌍대 공간 V*가 존재합니다. V에서의 임의의 원소 벡터 a 를 가져오면 이 a 를 다시 스칼라로 대응시키는 매핑(b )이 존재합니다 (이때의 매핑은 선형 변환). *지금부터는 특별한 말이 없다면 실수 체 R^2 위의 실벡터 공간만을 다룹니다. 위 상황에서의 a 에 대한 b 의 작용을 보이면 아래 수식처럼 나타날 수 있습니다. (여기서 위 첨자는 지수가 아닙니다) 이때 V*의 원소를 linear functional 혹은 dual vector라고 부릅니다. 위에서 보인 것과 같이, 쌍대 관계는 결국 행렬의 전치와 비슷한 맥락으로 작용합니다. —대수학을 어느정도 공부한 사람의 경우 ’결국 기존의 vector space와 이것의 dual space 사이에는 isomorphism이 존재하는데 도대체 왜 구분하느냐’라는 질문을 던질 수 있는데, 일단은 넘어가겠습니다— 여기서 반드시 가져가야할 핵심 아이디어는 결국 ‘열벡터(vector)와 행벡터(dual vector)를 구분해야한다' 는 사실입니다. 이를 바탕으로 우리는 자연스럽게 정의되는 여러 대상들을 떠올릴 수 있습니다. ex.1) V의 기저를 B, V*의 기저를 B*라고 할 때, 다음과 같은 기저를 결정할 수 있습니다. 이때의 델타는 크로네커 델타(Kronecker delta)라고 합니다. (굳이 예를 들자면 두 열벡터 (1, 0), (0, 1)와 이들의 전치 사이의 쌍대 관계가 위 사례에 포함됩니다) *ex.2) 위에서 간접적으로 언급하긴 했지만, (V가 유한차원 벡터 공간인 경우) V ≃ V*. (아직 이해하기 조금 어렵다면, dual vector는 결국 vector를 입력으로 받고 스칼라를 뱉는 함수라고 생각하면 됩니다) 텐서곱(Tensor product) 이런 생각을 해볼 수 있습니다: ‘두 벡터만 가지고 행렬을 구성할 수 있을까?’ 위 질문을 다시 말해보자면, 임의의 행렬을 ‘무언가에 대한 기저’의 선형 결합으로 표현할 수 있느냐 가 관건이 됩니다. 예컨데, E_1 , E_2 , E_3 , E_4 라는 기저가 있다면 모든 2x2 행렬을 만들어볼 수도 있습니다. 다음과 같은 것이 유사한 시도입니다. 이때 ‘새로운 기저를 만들어내는 것'이 바로 텐서곱입니다. 이는 예시를 직접 관찰해보는 것이 이해하기 좋습니다. 텐서곱은 교환법칙이 성립하지 않지만, 결합법칙과 분배법칙은 성립합니다. 이를 합 기호로 나타내면 보다 간단하게 표현할 수 있습니다. 마침내, 지금까지 써온 위첨자, 아래첨자의 구분이 빛을 발하는 순간입니다. 다음과 같이 시그마를 생략하는 표기를 Einstein notation이라고 부릅니다. 여기서 행렬의 각 성분만이 궁금하다면, 텐서(Tensor) 행렬은 1개의 vector와 1개의 dual vector를 입력 받아 스칼라를 주는 선형적인 함수입니다. 이를 (1,1)-tensor라고 합니다. 이를 T라고 이름 붙일 때, 다음과 같이 정의되는 다중선형사상을 정의할 수 있습니다. 이를 직접 행렬곱으로 나타내어 확인하면, 참고로, 열벡터(vector)는 (1,0)-tensor, 행벡터(dual vector)는 (0,1)-tensor가 됩니다. 이제 우리는 보다 일반화된 경우도 생각해볼 수 있습니다. (p,q)-tensor T는 아래와 같은 다중선형사상에 정확히 대응됩니다. 그리고 첨자 표기도 사용될 수 있습니다. 몇가지 예시로 마무리하며 내용을 정리합니다. ex.1) 내적(dot product)은 벡터 2개를 입력으로 취하여 스칼라를 주는 (0,2)-tensor입니다. 이를 쌍선형형식(bilinear form)이라고도 부릅니다. *ex.2) 아래는 CNN 레이어에 텐서 표기법을 적용한 결과입니다. (여기서 f는 activation function, W는 weight, X는 input, b는 bias에 해당합니다) 다음 편에서는 다양한 텐서의 종류와 그 성질에 대해서 알아보겠습니다. (본문에서 난해하거나 이해하기 어려운 부분이 있다면 댓글로 질문을 남겨주세요. 무엇보다 작성자는 아직 고등학교도 졸업하지 않은 비전공자이기에 내용에 보완해야할 점이 있을 수 있습니다. 보이는 부분이 있다면 마찬가지로 댓글 부탁드립니다...!)

rootenter

349

2025.04.12

349

2025.04.12

🐍conda 가상환경 생성하기🐍

1️⃣ 가상환경 생성하기 (파이썬 버전 지정) conda create -n [환경이름] python=[버전] # example conda create -n myenv python=3.9 # 활성화 conda activate myenv 2️⃣ 기존 가상환경 복사하기 conda create --name [새이름] --clone [기존환경이름] # example conda create --name myenv_copy --clone myenv 3️⃣ 가상환경 삭제하기 conda remove --name [환경이름] --all # example conda remove --name myenv --all 기록용으로 공유합니다.

maxx

178

2025.04.02

178

2025.04.02

SSH 서버 파일 업로드(window 용)

# Window -> cmd 실행 로컬 -> 서버 scp -P [포트번호] [로컬경로] [서버계정]@[서버IP]:[서버경로] # example scp -P 22 myfile.zip ubuntu@192.168.0.10:/home/ubuntu/ 서버 -> 로컬 scp -P [포트번호] [서버계정]@[서버IP]:[서버경로] [로컬경로] # example scp -P 22 ubuntu@192.168.0.10:/home/ubuntu/myfile.zip ./downloads/ 폴더 전체 업로드 scp -r -P 22 myfolder ubuntu@192.168.0.10:/home/ubuntu/ 폴더 다운로드 scp -r -P 22 ubuntu@192.168.0.10:/home/ubuntu/myfolder ./downloads/

maxx

136

2025.04.01

136

2025.04.01

runpod 사용법 공유합니다~

Colab이나 kaggle 환경이 무료로 사용할 수 있는 점이 좋긴 하지만... GPU사용할 때 불편하고 별로 오래 쓸수도 없어서 runpod을 쓰는게 낫더라구요. 간단하지만 모르시는 분들도 계실 것 같아 공유합니다. 1. runpod에서 Deloy 버튼을 클릭합니다. 2. 원하는 GPU를 선택합니다. 3. Deploy On-Demand 클릭 4. 회색 부분을 클릭하여 복사해둡니다. 5. vscode 환경에서 호스트에 연결합니다. 6. 4번에서 복사해둔 주소를 입력하여 새 호스트에 추가합니다. 7. 연결 후 사용 jupyter 환경에서 바로 쓸수도 있는데, 그것보다 vscode환경이 낫더라구요. cpu도 사용할 수 있으니 참고하세요~

maxx

216

2025.03.27

216

2025.03.27

NVIDIA, DGX Spark 및 DGX Station 개인용 AI 컴퓨터 발표

최근 AI 관련 소식이 꽤 뜨거운데, 엔비디아에서 개인용 AI 슈퍼컴퓨터 두 가지를 공개했다고 해요. DGX Spark와 DGX Station이라고 하는데, 둘 다 데이터 센터 수준의 성능을 데스크톱에서도 경험할 수 있게 해준다고 합니다. 전체적으로 클라우드와 연동도 가능해서 앞으로 AI 개발 환경이 어떻게 달라질지 궁금해지는 소식입니다. 아래는 링크입니다~ https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers

pocky

309

2025.03.24

309

2025.03.24

AI 분야 코테

안녕하세요. AI 관련 직무에서는 어떤 종류의 코딩테스트 문제가 출제되는지 아시나요? 데이터 전처리나 모델 구현과 관련된 문제가 나오나요? AI 응용 분야 취업에서 코테 경험있으신 분들의 경험 공유 부탁드립니다🙏🏻

눈누누난나

192

2025.03.21

192

2025.03.21

colab vs kaggle

GPU 쓸 때 주로 어디서 하시나요??? colab도 뽑기 잘하면 잘 안끊기던데.. kaggle이 더 좋은 GPU 주는 것 같기는 합니다. 둘 다 쓰기는 하는데 주로 어디서들 하시나요 ㅎㅎ

옥수수수수염차

271

2025.03.19

271

2025.03.19

SQL 프로젝트 학습

안녕하세요! 저는 퍼포먼스마케터/ 서비스 기획 쪽 직무를 희망하는데, SQLD는 땄고 실무에서는 파이썬보다 SQL을 많이 쓴다고 해서 데이콘에서 SQL 사용하는 입문 프로젝트가 있으면 해보려고 찾아봤는데 파이썬 프로젝트밖에 없는 것 같더라구요. SQL 실무는 어떻게 공부하는게 좋을까요?

레벨1

174

2025.03.17

174

2025.03.17

NLP 분야 공부 방법

📌 NLP 전체 로드맵 1️⃣ 텍스트 전처리 실습 → 2️⃣ RNN/LSTM/Transformer 개념 학습 → 3️⃣ BERT/GPT 실습 → 4️⃣ 대회 도전 → 5️⃣ 최신 논문 리뷰 &; 연구 1️⃣ 기초 개념 &; 수학적 배경 선형대수 : 벡터, 행렬 연산, 특이값 분해(SVD) 미적분 : 확률적 경사 하강법(SGD), 최적화 개념 확률 &; 통계 : 조건부 확률, 베이즈 정리, 마르코프 과정 언어학 기초 : 형태소 분석, 문법 구조, 의미론 2️⃣ 기본 라이브러리 학습 NLTK : 토큰화, 형태소 분석, 정규 표현식 Hugging Face Transformers : 사전 학습된 NLP 모델 활용 실습 텍스트 토큰화 및 정규화 (NLTK, spaCy 활용) 불용어 제거, 어간 추출(Stemming) &; 표제어 추출(Lemmatization) 문서 빈도 분석(TF-IDF, CountVectorizer) 3️⃣ 딥러닝 기초 &; NLP 모델 학습 기본 신경망 RNN(Recurrent Neural Network) LSTM &; GRU Transformer 구조 학습 Attention Mechanism, Self-Attention, Multi-Head Attention Positional Encoding, Layer Normalization 4️⃣ NLP 기반 모델 실습 TensorFlow/Keras 또는 PyTorch 사용 사전 학습 모델 실습 Word2Vec, GloVe (단어 임베딩) BERT, RoBERTa, GPT 시리즈 T5, BART (Seq2Seq 모델) CLIP, DINO (멀티모달 NLP) 실습 IMDb 감성 분석 (LSTM, BERT 비교 실험) 한국어 형태소 분석 모델 학습 (Mecab, KoNLPy 활용) PyTorch/TensorFlow로 BERT 파인튜닝 GPT-3 기반 텍스트 생성 실습 5️⃣ 최신 연구 논문 &; 트렌드 파악 주요 컨퍼런스 논문 읽기 (ACL, EMNLP, NAACL, NeurIPS) 최신 NLP 트렌드 학습 Large Language Models (GPT-4, Gemini, Claude 등) Multimodal AI (CLIP, Flamingo) Diffusion Models in NLP Parameter-efficient Fine-tuning (LoRA, Adapter) Knowledge Distillation 6️⃣ 프로젝트 &; 실전 응용 텍스트 분류, 감성 분석, 문서 요약, 기계 번역, 질의응답 시스템 구축 데이터셋 직접 구축 및 실험 모델 경량화 (Quantization, Pruning, Distillation)

minzii

232

2025.03.13

232

2025.03.13

알립니다!

📢 대전의 데이커님 주목! 2025년 5,6월 데이스쿨의 보조강사를 모십니다

LLM, 더 이상 어렵지 않아요! 실전 전문가가 답을 드립니다.

파이썬 내장함수를 정리한 교재가 오픈됐어요!

커머스 제품 판매량 예측하기 무한로딩 발생 조치