KM-Hana

☆딥러닝 공부를 위해서 꼭 읽어야 할 논문(사이트)들의 리스트를 정리해보고자한다. 순수히 개인적인 의견으로, 사용자의 관점에서 평가했다. 실제 AI 프로젝트를 진행할 때 도움이 되었던 논문들을 중심으로 우선순위를 작성했다. * 지표 : 1. 논문의 중요성 : 마일드스톤, 인용, 중요저자 등 2. 실용성 : 실제 모델 개발 시, 활용도 * 참고사이트: 1. github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap 2. github.com/terryum/awesome-deep-learning-papers 3. paperswithcode.com/sota/image-classification-on-imagenet Papers with Code - ImageNet B..

Activ Learning의 기본을 먼저 보고싶으신 분은, 이전 포스트 Active Learning 이란 - 기본 dsgissin.github.io/DiscriminativeActiveLearning/about/ About An introduction to the active learning framework, from classical algorithms to state of the art methods for neural networks. A new method.. kmhana.tistory.com 를 참고해주세요! Active Learning의 기본적으로 알아야할 기초적인 쿼리전략(Query Strategies)를 간단하게 기술하고자 한다. ※ 쿼리전략(Query Strategies) 란? : 모델..

dsgissin.github.io/DiscriminativeActiveLearning/about/ About An introduction to the active learning framework, from classical algorithms to state of the art methods for neural networks. A new method called “Discriminative Active Learning” is introduced and discussed. dsgissin.github.io 현재까지 본 Active Learning 사이트 중 가장 잘 설명해두었다. Discriminative Active Learning의 저자인데, 기회가 된다면 후에 논문요약을 하고자 한다. 딥러닝을 활..

'Deep Learning을 실산업에 적용할 때 가장 큰 문제가 무엇일까?' 라는 질문에 주저없이 답변 드릴 수 있다. 첫번째도, 데이터와 레이블링 두번째도, 데이터와 레이블링 세번째도, 데이터와 레이블링 였다. 데이터를 수집하는 것도 수 많은 비용이 발생되고, 그 데이터를 레이블링하는데 수 많은 장애물이 발생된다. 1) 누가 레이블링 할 것인가? 2) 비용은 누가 지불할 것인가? 3) 얼마나 레이블링을 해야되는건가? 이러한 고객과 딥러닝 개발자, 사업부서간의 줄다리기 끝에서, 고객은 AI에 대해서 크게 실망하며, 'AI를 하겠다'는 생각이 잘 못되었음을 깨닫게 된다. 딥러닝 개발자, AI 개발자로서의 적은 데이터로 적은 레이블링을 통해, 모델을 개발해야함을 절감했으며 이를 해결하기위한 방법론들을 작성해..