[Day 13] 2024 한국 소프트웨어공학 학술대회에 참가

 안녕하세요!
오늘은 Day 13입니다!


오늘의 내용:


첫 번째, Andrew Ng의 머신러닝 강의를 보기 추천을 많이 받아서 해 보고자 한다
내용이 간다하고 교수님의 교수법을 따라하기도 쉬웠다
아직 끝내지 못 하는데, 지금까지 내용을 요약하자면

  • Gradient descent
위에 사진은 neural network의 cost function이다
Cost function (error) 최소화하는 데 Learning rate와 w,b 어떻게 사용하는지 너무 쉽게 설명해 준다. 


이와 같은 cost function은 logistic regression이다. w,b 변경하면서 (global) minimum으로 도착할 것이다
  • Learning rate
이건 Andrew Ng 교수의 신경망 모델 구성 시 learning rate 값 테스트 해 보자라고 했다

  • Regularization (정규화)
정규화의 lambda에 따라 과적합을 최소화할 수 있다


두 번째, 이번 학기 동안 '소프트웨어품질보증및시험'에서 챗GPT와 관련이 있는 literature review 페이퍼 한번 작성했는데 우리 송지영 교수님께서 2024 한국 소프트웨어공학 학술대회에 제출할 수 있는 기회를 알려 주셔서 제출했고 오늘에 결과 나왔다 

온라인 아직 읽을 수 없는데 나중에 올리면 이 글을 업데이트할 것이다



오늘 이상입니다!

내일 뵐게요!

Popular posts from this blog

[Day 198] Transactions Data Streaming Pipeline Porject [v1 completed]

Image
 Hello :) Today is Day 198! A quick summary of today: data streaming pipeline project [v1 done] Here is a link to the project's repo. Well ... I did not know I can do it in a day (~14 hours) after yesterday's issues but here we are. Turns out in order to insert the full (~70 variables with nested/list structure), I need the proper pyspark schema. And yesterday I did not have that and that is why when I was reading data in the kafka producer I was getting NULL in the columns - my schema was wrong. Well today I not only fixed the schema for the 4 variables I had yesterday, but included *all* the variables that come from the Stripe API ~ 70 (for completeness).  When I run docker-compose, the data streams and is input into the postgres db (and is still running). Unfortunately, the free Stripe API for creating realistic transactions has a limit of 25, so every 3 seconds, 25 new transactions are sent to the db. It has been running half the day (since I got that set up) and as I am wr
Read more

[미리 공부] 기초 통계 복습 (Day 1는 1월2일)

Image
모험을 시작하기 전에 기초 지식을 복습하고자 했다. 오늘 SPSS 대안 프로그램을 찾아보려고 해서 JASP에 대해 알게 되었다. 유용한 프로그램인 것 같아서 선회귀와 기술통계를 내려고 했는데 재미있었다. 그런데 JASP에 대해 더 알기 전에 '기초 통계 지식을 좀 복습을 하고자 하면 좋을 것 같아'란 생각을 들었다. 다행히, Coursera에서 Stanford University의 Guenther Walther 교수님께서 진행된  Introduction to Statistics  무료 강좌가 있다.  좀 부족한 부분은 다양한 검정통계 하는 거고 (F test, t-test, chi-square 등) 이제 JASP 아니면 다른 통계 프로그램 사용하게 되어도 이런 부분을 좀 더 자세히 집중하여 공부하면 된다.  특히 homoscedasticity 및 heteroscedasticity 개념을 기억에 남았다. Homoscedasticity (선): Definition: In a homoscedastic dataset, the variance of the errors (residuals) is constant across all levels of the independent variable(s). In simpler terms, the spread of the residuals is the same throughout the range of predictor values. Heteroscedasticity (악): Definition: Heteroscedasticity occurs when the variance of the errors is not constant across all levels of the independent variable(s). In other words, the spread of residuals changes as the values of the independent variable(s) change. (Udemy 사진) 강의
Read more

[Day 61] Stanford CS224N (NLP with DL): Machine translation, seq2seq + a side CDCGAN mini project

Image
 Hello :) Today is Day 61! A quick summary of today: Covered Lecture 7 : machine translation, seq2seq, attention from Stanford CS224N Tried to make a conditional DCGAN to generate MNIST numbers ( colab ) ( kaggle ) I will first cover the GAN story (then will share my notes from the lecture) So... while watching and taking notes today, I started thinking, what if I can use my notes as data to a model and afterwards, when I want, I can give it raw string text and it will output text in the format of my notes (with my handwriting). Well I started looking around and actually the first model architecture that came to my mind was the GAN (specifically conditional GAN) - I remembered there was a GAN architecture that alongside the pictures, we can give it the labels, and then on-demand generate. In retrospect, there are of course others, but I decided to go with GAN.  For maybe 2 hours I busted my head trying to make a simple model with the EMNIST dataset (english characters), and I kept gett
Read more