1. 기초통계 (이준석 교수님)3주차 수업베이즈 정리(통계학원론 예제 풀이)확률 변수 (이산, 연속, 확률질량함수, 확률밀도함수, 누적분포함수) 설명 및 계산 2. 인공지능을 위한 수학 (윤인식 교수님)3주차 수업행렬에 관한 기초/계산 방법 (역행렬, 대각행렬, 삼각행렬, 전치행렬, 블록행렬 등)3주차 과제행렬 관련 문제풀이 PDF 업로드 3. 자료구조와 알고리즘 (배시영 교수님)3주차 수업재귀 알고리즘 이론 (팩토리얼, 피보나치, 하노이) 4. 논문 작성법 및 연구 윤리중간고사 과제 공지본인의 연구 주제에 대해 abstract 작성 (영문, 500자 이내)기간은 2주로 널널한 편, 어떤 주제를 선정할 지에 대해 조금 깊게 생각해봐야 할듯 하다.
전체 글
이번 2026 전기 데이터사이언스융합학과 합격 후 1학기 수강 신청에서 3가지 과목을 선택했다.1. 기초통계여러 블로그의 리뷰를 봤을 때, 기초통계에서 다변량 통계로 이어지는 과정은 꼭 들어야겠다고 생각했다! 지금까지 현업에서 통계를 사용할 일이 많지 않았고, 해도 간단한 차트/대표값만 보면 되었었다. 그래서 얕고 애매하게 아는 부분이 많았으며, 대학원 과정에서 통계 기본은 다 하고 나가자! 라고 생각했다. 2. 인공지능을위한수학수업 자체도 풀 온라인이라 직장인 트랙에서 듣기 좋고, 선대와 관련한 내용을 빠르게 훑을 수 있어 선택했다. 개념 수업을 제외한 ZOOM 수업에선 자율 공부 시간을 주시는데, 편하게 문제풀이를 하면 될 것 같다! 3. 자료구조와 알고리즘학부에서 들었던 알고리즘 수업이 거의 기억 ..
근 1년만에 티스토리로 돌아와 처음 작성하는 글은, 2025년 나의 회고이다. 대학원 불합격과 여러 개인적인 요인들로 인해 큰 번아웃을 겪게 되었고, 1년간 번아웃을 극복한 내용을 담고 있다. 다가오는 2026년을 잘 맞이하여, 끊김 없이 노력하고 나아갈 수 있는 한 해가 되고자 다짐하는 마음도 담겨 있다. 2025 어떤 일들이 있었는지 본론으로 들어가보자. 1. 대학원 불합격 작년에 겪은 번아웃에서 가장 큰 비중을 차지하는 것이 당연하게도 붙을 줄 알았던 대학원 불합격이었다. 내가 지원한 대학원은 직장인 대학원으로 잘 알려진 성균관대학교 데이터사이언스융합학과이다.결과적으로 총 3번 지원하여 첫번째는 면접 후 탈락, 두번째는 서류 탈락, 마지막은 우여곡절 끝에 합격할 수 있었다. 첫 지원 당시 나는 4..
올 한 해를 어떻게 보낼지, 어떤 계획을 수립하고 성취할지에 대해 고민할 시기인 연초에 심한 번아웃을 겪게 되었다. 작년 한 해 동안, 가장 큰 걱정 중 하나였던 이직을 성공적으로 마무리했고 많은 것을 배울 수 있었다. 이 외에도 자격증 취득, 공부 습관, 인생 설계 등 생각도 많이 했고 무언가를 하려고 많이 시도하곤 했다. 글또에 참여하고 몇 번의 글을 작성하던 순간까지, 필요했거나 하고 싶었던 것들에 대해 좋은 기회와 결과를 얻었다. 스스로에 대한 자존감도 많이 오르고, 훌륭한 습관도 형성되던 찰나, 마지막으로 한 가지 도전을 더 하였다. 항상 목표로 하던 대학원 진학이었고, 직장과 병행이 가능하며 필요한 커리큘럼이 있는 곳을 선정하여 지원했다.대학원 지원부족한 학위에 대한 욕심도 있었고, 무언가를 ..
안녕하세요. 정새입니다. 이번 도서 리뷰는 감사하게도 길벗 출판사의 후원을 받아 서평을 작성하게 되었습니다. 개발자 뿐만 아니라, 성장하기 위해 노력하는 모든 사람들이 한번은 겪었을 법한 문제에 대해 다루는 도서입니다. 다루는 내용이 최근 저의 습관과 유사한 부분이 많아, 읽는 동안 많은 반성을 하게되었습니다. 성장을 위해 노력하시는 많은 분들이 이 도서를 읽고, 다가오는 새해에 맞추어 재정비할 수 있으셨으면 좋겠습니다. 최근 기술적인 성장을 위해 노력하면서도 한편으론 스스로의 마음가짐이 약해짐을 항상 느끼고 있었습니다. 업무 시간에 집중이 잘 되는 날도 존재하지만, 그렇지 않은 날엔 하루종일 일과 휴대폰을 오가기도 했습니다. 유독 집중을 하지 못한 날엔, 집에 돌아오고 나선 늘 자책하며 하루를 찜찜하..
안녕하세요. 이번 포스트에선 Support Vector Machine에 대해 다뤄보고자 합니다. 개인적으론 머신 러닝 파트에서 가장 중요하다 생각되어, 조금 더 열심히 정리해 보았습니다.잘못된 부분 등이 있다면 언제든 피드백 부탁드립니다.Support Vector Machine ?Support Vector Machine, 줄여서 SVM은 분류, 회귀 및 이상 탐지 과제 모두 수행 가능한 ML 모델입니다.전통적인 ML 모델들 사이에서 성능이 매우 뛰어난 편에 속하며, 강건한 성능의 모델을 만들기에 적합합니다. 이러한 강건한 성능은 SVM 모델의 학습 방식에서 나타나는 특징이라고 할 수 있습니다.지금까지 SVM에 대한 내용을 다룰 때, 위 이미지와 같은 형태로 설명하는 자료들을 자주 볼 수 있었습니다.다음 ..
이번에 읽고 리뷰해볼 논문은 Image Segmentation 분야의 FCN(2014) 논문입니다. 정리된 내용 중 부정확하거나 내용과 다른 부분에 대해선 언제든 피드백 부탁드립니다.Abstact본 논문에선 Semantic Segmentation에서 큰 발전을 이룬 FCN에 대해 다뤄보고자 합니다. FCN은 Fully Convolutional Network의 줄임말로, Fully Convolutional이란 핵심 키워드를 중심으로 합니다.Fully Convolutional이란, Network의 모든 Layer가 Convolution으로 이루어진 구조를 의미합니다. 기존의 Fully Connected를 Convolution으로 변경했을 때, 어떠한 이득을 취할 수 있을까요?파라미터 수의 감소로 학습/추론 ..
안녕하세요. 이번 포스트에선 데이터의 시각화 등을 위해 사용되는 대표적인 차원 축소 방법인 PCA에 대해 다뤄보겠습니다. 뜬금 없이 PCA에 대한 내용이 나와서, 약간 서순이 안맞는다 느낄 수 있지만 .. 모두 다 리뷰할 예정입니다 .. 거두절미하고 어려운 내용은 최대한 제외한 시각적인 자료로 설명할 예정이니 찬찬히 읽어보는 것을 추천드립니다!분산이란?PCA를 다루기 이전에, 가장 먼저 다뤄볼 개념은 데이터의 퍼진 정도를 의미하는 분산입니다. X축을 기준으로 쭉 펴진 1차원 데이터를 분석할 때, 가장 먼저 눈에 들어오는건 데이터가 퍼진 정도일겁니다. 기초적인 통계 정보지만 PCA에선, 이렇게 데이터가 퍼진 정도를 가장 기본으로 합니다. 이처럼 분산이라는 것은 데이터가 퍼진 정도를 나타내고, 위의 이미지..
이번 포스트에선 고전 물체 검출 알고리즘인 Haar Cascade Detector에 대해 다뤄보고자 합니다. Haar Cascade 알고리즘은 2001년 발표된 특징 추출 기반 검출 알고리즘입니다. 이 때의 특징 추출은 고전적인 알고리즘을 기반으로 하며, CNN의 특징 추출과 유사하다 보시면 됩니다. 해당 검출기의 특징 추출은 검출기의 이름에서도 알 수 있다시피 Haar Filter라는 것을 기반으로 합니다. Detector의 가장 기본인 Haar Filter부터 Detector 활용까지 천천히 다뤄보도록 하겠습니다.Feature Extraction Using Haar Filter가장 먼저 Haar Cascade Detector의 기본이되는 Haar Filter 기반의 Feature Extraction에..
이번 포스트에선 글또 10기 지원을 위한 삶의 지도를 작성하며, 나 자신을 돌아보고자 합니다. 음! 이 사람은 이런 사람이구나. 라는 느낌으로 부담없이 편하게 읽어주시면 될 것 같습니다.삶의 지도 작성 방안신규 지원시 글(삶의 지도) 작성글또를 신규로 참여하는 분들은 “자신이 어떻게 살아왔는지 - 삶의 지도”에 대한 글을 작성해서 제출해주셔야 합니다(글또 지원 Form에 제출)삶의 지도라는 것은 제가 붙인 이름이며, 자신이 어떤 사람이고 어떤 성격을 가지고 있고, 어떤 사건으로 지금의 내가 되었는가에 대해 작성한 내용입니다.자신이 어린 시절부터 여태까지 어떤 시간을 보내왔는지 기록하는 과정을 통해 메타인지가 향상될 수 있으며, 이 내용을 토대로 이직하실 때 이력서에도 활용할 수 있을겁니다생각하시는 과정이..