DACrew 1기 주간 리뷰 6주차

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

 

이번주는 원했던 주제에 대해 자세하게 이해가 되지 않아 고민이 많았던 한 주였습니다. 그래서 결국, 그 주제에 대한 글은 차후로 미루고 다른 연구를 위해 다시 꼼꼼히 공부하고 있던 딥러닝 모델의 수식들을 우선적으로 정리를 해보려고 합니다.

 

이번주는 가트너의 기술트렌드 마지막편, RNN과 LSTM을 수식으로 살펴보는 글을 가지고 왔습니다. 가능한 말로 풀어써서 정리를 하고 싶었는데 잘 이해가 되는지 모르겠습니다. 여유가 있을 때 꼭 수식을 그림으로 표현하여 글을 수정하고 싶네요.. ;)

---

👉 가트너의 2022년 기술트렌드(Cloud-Native Platforms, AI Engineering, Generative AI)

가트너의 2022년 기술트렌드 [4편]

가트너에서 제시한 2022년의 기술트렌드 마지막 3개의 기술에 대해 다루었습니다. 각 기술들은 클라우드 네이티브 플랫폼, 인공지능 공학, 생성적 인공지능입니다. 아무래도 제가 많이 접하는 분야여서 그런지 설명하기가 쉽지 않고, 글도 많이 짧다는 생각이 들었습니다. 가능하면 사례를 통해 설명을 해주면 좋을 것 같아 사례를 찾아보기도 했는데요, 마땅한 사례를 찾기가 힘들어 가능하면 쉽게 풀어쓰려 노력했습니다.클라우드와 인공지능, 더이상 IT 산업에서 떼놓을 수 없는 기술입니다. 그만큼 많이 이용이 되고 상용화 된 기술이라 데이터를 다루는 분들이라면 많은 분들이 한번쯤은 들어보셨을 법한 개념이라 생각됩니다. 혹시라도 들어본적이 없다면, 무엇인지 아직 잘 모르겠다면 구체적으로 제시된 저 기술들의 개념이 아닌, 클라우드와 인공지능의 개념에 대해 우선적으로 꼭 공부를 하셨으면 합니다. 데이터를 공부하고, 적용하는 일을 함에 있어 아주 큰 도움을 줄 공부라 생각됩니다.

 

👉 RNN 수식으로 살펴보기

딥러닝 수식으로 살펴보기[1편]: RNN

수식으로 살펴보는 딥러닝은 RNN으로 시작했습니다. 공부와 연구를 하면서, 항상 한계와 부딪히게되는데요 그 때마다 늘 들었던 생각이 기초부터 탄탄하게 쌓아야겠다였습니다. 5년 전 딥러닝을 처음 접했을 때 공부했던 개념이 RNN이 었는데, 당시에는 수리 모델 자체를 이해하는데 어려움이 있어 제대로 공부하지 않고 넘어갔습니다. 이 분야를 계속해서 공부하다보니 조금씩 수식을 해석하는 능력을 갖게 되어 이번기회에 한번 정리하고, 수식을 이해하기 어려워하는 분들께 도움이 되는 글을 써보고자 시작했습니다.

이미지 쪽은 아직 저도 모르는 내용이 많고, 커널 등의 개념때문에 설명할만큼 이해를 하지 못해 시계열 모델인 RNN으로 시작해보려 합니다.

 

👉 LSTM 수식으로 살펴보기

딥러닝 수식으로 살펴보기[2편]: LSTM

RNN 수식으로 살펴보기에 이어 LSTM 모델을 수식으로 살펴보겠습니다. 5년 전 LSTM을 처음 공부할 당시 저는 학부생이었습니다. 그제서야 딥러닝이라는 것을 처음 접하고, 그 중에서도 가장 처음 만들어본 모델이 LSTM이었는데요. 당시 모델의 구조를 이해하려고 수식을 살펴보았지만, 결국 RNN에 이어 중도 포기했습니다. 확실히 몇년 더 공부했다고, 수식 이해하기가 조금 더 수월하네요. 이 글 역시 저와 같은 분들께 도움이 될 수 있었으면 하여 작성하였습니다. 그리고 저를 위해서도요 :)

제가 만들어보고싶은 모델이 있는데, RNN 기반의 구조를 차용해야할 것 같더군요. 대략적으로 어떤 방식인지는 아나 수식을 확실히 몰라 고민이 많았던 차에 이를 이해하는 시간을 가져 글을 작성해보았습니다.

 

---

다음주에는 또 다른 재밌는 주제를 공유할 수 있도록 준비해보겠습니다.

읽어주셔 감사합니다 🥰