패스트캠퍼스 환급챌린지 54일차 : 딥러닝·인공지능 Signature 초격차 패지 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

강의 수강 시작

 

 

 

학습 인증샷

학습목록

 

강의 수강 완료

 

 

오늘은 분류, 탐지, 분할이라는 컴퓨터 비전 분야의 주요 작업과 메트릭 러닝에 대해 이때까지 배운 내용을 전체적으로 정리하는 시간을 가졌다. 분류, 탐지, 분할은 모두 이미지나 비디오를 분석하는 컴퓨터 비전 분야의 핵심 작업이다. 반면 메트릭 러닝은 데이터 포인트 간의 유사성을 측정할 수 있는 거리 함수를 학습하는 기계 학습 기술이라는 점에서 접근 방식이 다르다.
이번 수업은 새로 배우는 개념이 아니라 그동안 학습한 내용을 전체적으로 복습하고 정리하는 과정이었다. 분류는 주어진 입력에 대해 레이블이나 클래스를 예측하는 데 초점을 맞추고, 메트릭 러닝은 입력 간의 거리를 통해 유사성과 차이를 학습하는 데 중점을 둔다. 분류는 보통 레이블이 있는 데이터를 사용하지만, 메트릭 러닝은 상황에 따라 레이블이 없더라도 학습할 수 있어 적용 범위가 더 넓을 수 있다.
특히 이번 정리 수업을 통해 각각의 개념들이 서로 어떻게 연결되어 있는지, 어떤 흐름으로 이어져왔는지 다시 한번 확인할 수 있었다. Metric learning과 classification의 차이점은 무엇인지, 객체 감지와 객체 인식의 차이점에 대한 내용과 같은 것들도 함께 정리했는데, 아무래도 기초 개념이지만 평소에 헷갈리기 쉬운 부분이라 명확히 정리하는 데 도움이 되었다. 객체 감지는 물체의 위치를 찾는 것이고, 객체 인식은 그 물체가 무엇인지 알아내는 것이라는 식으로 구체적으로 비교할 수 있게 된 점이 특히 유익했다.
그동안은 내용이 많고 처음 듣는 개념이 많아서 부분부분 이해하는 느낌이었는데, 오늘 전체적인 그림을 보니 어느 정도 머릿속에서 정리가 되는 기분이었다. 여러 퀴즈를 통해 주요 개념을 복습하고, 직접 문제를 풀어보면서 기억을 다잡을 수 있었던 것도 좋았다.
아직 모든 내용을 완벽히 이해했다고 할 수는 없지만, 그래도 처음에 비해 훨씬 자신감이 붙었다. 다음 시간부터는 현업에서 실제로 사용되는 예시를 배운다고 해서, 이때까지 배운 이론이 실제 어떤 문제에 적용되는지 알 수 있을 것 같아 기대된다. 

 

https://bit.ly/4hTSJNB