DACrew 1기 주간 리뷰 4주차

🌟 본 포스팅은 데이콘 서포터즈 “데이크루" 1기 활동의 일환입니다. 🌟

 

설 연휴가 있던 4주차 입니다. 저는 연휴동안 하고싶었던게 많았는데, 머리로만 생각하다 연휴가 끝나 버렸네요. 잘 정리해서 하나씩 해봐야겠습니다 :)

 

이번주는 한 경진대회가 마무리되고, 그에 대한 수상자들의 코드 공유가 마무리되었는데요. 작성해둔 글과 모델을 살펴보니 재미있는 구조들이 많았습니다. 단순한 모델인데도 성능이 잘 나오는 경우도 있었고, 정말 멋진 구조의 모델을 본 것도 있었습니다. 많은 분들이 공유해주신 내용 차근차근 살펴보는 것도 아주 재미있는 일인 것 같습니다. 요즘 잘 정리할 수 있는 메모장이 절실하네요

 

4주차 글로는 1. loss function 직접 만들기, 2. 가트너 2편, 3. 자동 fine-tuning으로 구성되었습니다. 첫번째 글은 아주 기초적인 개념을 갖고 있으나, 패키지에 잘 제공되고 있는 클래스를 넘어서, 스스로 필요한 것을 만들 수 있는 역량을 기르기 위해 정리를 진행했습니다. 두번째 글은 지난주 작성했던 1편의 연장으로 또 다른 3개의 기술을 소개합니다. 마지막 글은 새로운 기능을 알게되어 정리했습니다. 무려 DNN 모델을 자동으로 fining-tuning하는 기능입니다!

---

👉 Tensorflow(Keras)를 활용하여 Loss Function 직접 만들기

 첫번째 글을 손실함수를 직접 만드는 글입니다. 가끔 모델을 만들다보면 필요한 손실함수를 tf에서 지원하지 않아 직접 만들어야하는 경우가 생기는데요, 저는 만들때마다 찾아보고 이해하는데 시간을 많이 투자하게 되더라구요. 그래서 한번은 꼭 정리해야겠다 싶어, 이번 기회로 간단한 코드로 개념을 이해할 수 있게 정리하였습니다.

 

이 글은 이 블로그에도 간단하게 코드 위주로 정리할 예정입니다. 저한테는 너무 필요한 내용들이라 두고두고 열어보기 좋게 코드를 일부 수정하여 블로그에 다시 게시할까 합니다. 많은 분들에게도 유용하게 사용될 수 있었으면 좋겠습니다.

 

Tensorflow(Keras)를 활용하여 Loss function 직접 만들기

 

👉 가트너 2022년 기술트렌드[2편] (Cybersecurity Mesh, Decision Intelligence, Total Experience)

지난주에 이어 가트너 기술트렌드를 소개하는 글을 작성했습니다. 이번주에 소개하는 기술은 사이버보안 메시, 의사결정 인텔리전스, 총 경험 입니다.

 

일반적으로 사실 보안의 경우, 가끔 뉴스에서 개인정보가 털렸다고하는 것을 보는 정도가 전부인 것 같습니다. 컴퓨터에 바이러스 및 해킹 문제로 고생하는 경우를 제외하고는 말이죠. 저 역시 크게 기술적인 부분을 접할 일이 없다보니까 여러 글을 읽었는데, 가닥을 잡기가 쉽지 않았습니다. 그래서 최대한 쉽게 이해할 수 있게 글을 쓰려 했으나, 잘 쓰여진 것인지는 아직도 잘 모르겠습니다. 🤣 아무래도 잘 모르는 분야다 보니 정리하는게 쉽지 않았지만, 간략하게나마 알아두면 상식선에서 큰 도움이 될 것을 생각되는 내용이었습니다.

 

의사결정 인텔리전스의 경우, 용어는 아직 생소하지만 내용은 저에게 아주 친숙한 내용입니다. 사회는 아주 많은 프로세스로 구성되어 있는데요, 이 프로세스에서는 많은 의사결정이 이루어집니다. 의사결정을 지원하기 위해 증강분석, 시뮬레이션, AI 등이 활용되는데요. 의사결정 인텔리전스는 데이터로부터 이러한 기술들을 잘 연계하여 적절한 의사결정까지 할 수 있게 하는 기술이라는 것으로 이해했습니다. 이러한 기술들은 효율적인 프로세스를 활용해야하는 대기업에서 많이 활용될 수 밖에 없습니다. 그리고 증강분석, 시뮬레이션, AI 모두 데이터를 기반으로 연구가 진행되고 있는 분야라 데이터에 대한 수요가 더욱 많아 질 것 같다는 생각이 듭니다. 

 

마지막으로 총 경험은 사회에 소속되어있는 모든 사람들이라면 몸소 체험할 수 있는 부분입니다. 개인적으로 당연하지만, 실제로 표현하기는 어려운 것이 경험이라 생각이 되는데요. 이것을 관리하여 비즈니스를 운영하는데 충성과 지지를 얻고자 하는데 활용이 되는 것은 이해가 됩니다만, 어떻게 이를 잘 관리할 수 있을지 궁금해지는 내용들이었습니다. 기회가 있다면 관련해서 어떻게 관리를 하는지 알아보아야겠습니다.

가트너의 2022년 기술트렌드 [2편]

 

👉 Keras-tuner를 활용하여 최적의 모델 찾기: Fine-tuning

 마지막 글은 딥러닝 모델을 자동으로 fine-tuning하는 keras의 기능입니다. 저는 평소 튜닝을 위해 각 하이퍼파라미터를 리스트로 두고 간단히 grid search하는 방식을 취했었습니다. 이번에 keras-tuner를 알게되고, 튜토리얼을 따라해보았는데 생각보다 전략적으로 움직여 놀랐습니다. AutoML의 기술이 빠르게 발전하고 있으니, 이렇게 상용화된 툴도 볼 수 있는 것이겠죠? 다시한번 공부할 의욕이 불타오르게하는 기능 체험기였습니다.

 

Keras-tuner를 활용하여 최적의 모델 찾기: Fine tuning

 

---

다음주에는 또 다른 재밌는 주제를 공유할 수 있도록 준비해보겠습니다.

읽어주셔 감사합니다 🥰