ZeroWiki - User contributions [en]

머신러닝스터디/2017

2017-07-22T07:11:38Z

211.218.211.139:

* CNN, Artistic style
* Reinforcement learning, game play

=== Reinforcement Learning ===

==== Monte-Carlo Reinforcement Learning ====

* 직접적인 경험으로부터 배움
* Model-free : 직접적인 MDP transition과 보상을 알 필요가 없다
* 끝난 에피소드로부터 학습한다.
* episodic MDP 문제만 풀 수 있다.

==== Temporal-Difference Learning ====

* 경험으로부터 학습한다
* model-free
* 끌나지 않은 경험에서도 학습 가능하다(Bootstraping)

머신러닝스터디/2017

2017-07-22T07:08:52Z

211.218.211.139:

머신러닝스터디/2017

2017-07-22T07:06:23Z

211.218.211.139:

* CNN, Artistic style
* Reinforcement learning, game play

=== Reinforcement Learning ===

==== Monte-Carlo Reinforcement Learning ====

==== Temporal-Difference Learning ====

머신러닝스터디/2017

2017-07-22T06:52:10Z

211.218.211.139:

* CNN, Artistic style
* Reinforcement learning, game play

머신러닝스터디/2017

2017-07-22T06:52:03Z

211.218.211.139:

* CNN, Artistic style
* Reinforcement learning, game play

머신러닝스터디/2017

2017-07-22T06:51:19Z

211.218.211.139: {CREATE}

머신러닝스터디/2017의 내용을 써주세요

머신러닝스터디/2016

2017-07-22T06:50:24Z

211.218.211.139:

[[pagelist(^(머신러닝스터디/(2016|2017)))]]
== 스터디 목적 ==
* [[서지혜]]가 coursera에서 Andrrew Ng 교수님의 머신 러닝을 근근히 듣던 차에 알파고 - 이세돌 세기의 대결이 한국에서 열린다..! 한국인들은 크아 알파고~ 인공지능 으어 뽕을 맞았고 [[서지혜]]는 물 들어온 김에 노를 저어 스터디 원을 대 모집하게 된다. 그리고...
== 목표 ==
== 참여자 ==
* [[서지혜]]
* [[이원준]]
* [[김수경]] <- 탈주함
* [[유재범]] <- 탈주함
* [[강민승]] <- 탈주함
* [[정의정]] <- 탈주한 듯
* [[변형진]] <- 훈수 둠
== 참여 방법 ==
* Slack 채널: #machine-learning 에서 참여 의사를 밝혀주시면 됩니다.
== 진행 ==
* 언제: 매주 토요일 오후 3시부터
* 어디서: 강남역 근처 스터디룸(주로 CMAX)
* 소정의 장소비(2000원~)가 발생할 수 있습니다.
=== 2014년 5월 3일 - 오리엔테이션 ===
* [[머신러닝스터디/2016/2016_03_19]]
* 2016년 3월 19일 토요일 오후 3시
----
[[활동지도/2016]], [[스터디분류]]

데블스캠프2017/넷째날

2017-07-08T07:20:48Z

211.218.211.139:

= 후기 =
* 어떻게 써야 할지 막막한 분들은 [[ThreeFs|Three Fs]] 읽어보시면 좋습니다. - [[지원]]
* [[이민욱]] : 발표에 대한 피드백이 있었으면 좋겠다는 말이 생각나서 이렇게 적습니다.
** [[데블스캠프2017/강화학습으로컴퓨터에게고전게임플레이시키기|강화학습으로 컴퓨터에게 고전게임 플레이 시키기]] : 텐서플로우를 통해 gym의 cartpole을 학습시켜보는 실습을 진행하셨다. 실습이 정말 재밌었다. 또 소스코드를 단순히 배포한게 아니라 그와 관련된 이론 지식에 대해서 설명해주셔서 좋았다. 이론으로 설명들은 내용을 직접 실행시켜보아 신기했다.
** [[데블스캠프2017/InternalOfJavaScriptCore'sGarbageCollector|Internal Of JavaScript Core's Garbage Collector]] : GC에 대해 설명하셨다. 굉장히 발표 자료가 꼼꼼하고 좋았다고 생각한다. 단순히 이론만 정리하신 것이 아니라 실제 코드나 스택을 보여주면서 설명하셔서 이해가 잘됬다.
** [[데블스캠프2017/당신의C프로그램은안녕하십니까|당신의 C프로그램은 안녕하십니까]] : 주로 서버쪽 이야기를 하신것 같다. ~~제목은 함정카드인것 같다.~~ 나에게는 너무 어려운 내용이었다. 물론 비유적으로 설명하신 개념은 잘 이해가 됬지만 단일 컴퓨터에서의 경험만 있어 이해하지 못한부분도 많았던 것같다.
** [[데블스캠프2017/DeepLearningDay|Deep Learning Day(토요일 특별 6시간 세션)]] : 머신러닝에 관힌 설명을 해주셨다. 쉬운주제가 아니여서 그런지 오랜 시간동안에 걸쳐 개념을 설명해주신 것이 좋았다. 하지만 나의 기반지식이 부족해서 모든 것을 이해하는 못해 아쉬웠다. 앞으로 더욱 공부를 열심히 해야할 것같다.
* [[김수경]] : 피자 먹어서 너무 신나요 피자!! 평소에 먹기 힘든 음식이라ㅋㅋㅋ 내년에는 세션을 꼭 하겠습니다. 점점 개발자로서의 의욕을 잃고 있는데 데캠 와서 의욕을 좀 충전했습니다.
** [[데블스캠프2017/강화학습으로컴퓨터에게고전게임플레이시키기|강화학습으로 컴퓨터에게 고전 게임 플레이 시키기]] : [[머신러닝스터디/2016]] 을 강화학습 시작할 때 그만둬서 잘 모르는 내용이었다. 미리 준비된 샘플 코드가 github에 올라와있어서 짧은 시간 내에도 쉽게 돌려볼 수 있었다.
** [[데블스캠프2017/InternalOfJavaScriptCore'sGarbageCollector|Internal of JavaScriptCore's Garbage Collector]] : 혼자 알아보기 쉽지 않은 내용을 세션으로 들을 수 있어서 좋았다. 듣고 나서 회사 서비스가 GC 때문에 느려질 가능성에 대해 잠시 생각해봤는데 다른 문제가 너무나 많아서 GC가 문제가 아니라는 셀프 결론을 얻음...
** [[데블스캠프2017/당신의C프로그램은안녕하십니까|당신의 C프로그램은 안녕하십니까]] : 난 프론트엔드 개발자이기 때문에 평소 업무와 완전 다른 일 얘기라 흥미로웠다. 학부생 타겟으로 쉽게 설명하기 위한 노력이 느껴지는 세션이었다.
** [[데블스캠프2017/DeepLearningDay|Deep Learning Day(토요일 특별 6시간 세션)]] : 딥러닝이란 주제에 대해 여섯시간동안 여러 세션 진행한 것이 좋았다. 덕분에 개론에 가까운 얘기부터 좀 더 구체적인 얘기까지 들어볼 수 있었다. 6P 환경이 받쳐주지 않아 중간에 실습 세션이 정상적으로 진행되기 힘들었는데 아니다 싶은 시점에 그냥 실습 포기하고 발표자가 시연을 보여주는 방향으로 진행했어도 됐을듯.
** 이건 쫌 딴소린데 [[서민관]]이 트랜스포머5 봤는지 궁금함.
* [[송지원]] : 본인 기억이 맞다면 하루 세미나를 모두 듣고 간게 상당히 오랜만인데 11시간 듣기만 했는데도 피로감이 몰려왔지만 의미 있는 하루였습니다. 13년 이후 세션을 한 적이 없는데 요즘은 3시간 잡고 하지 않아도 되니 내년쯤엔 뭔가 해보고 싶다는 생각도 들었습니다.
** [[데블스캠프2017/강화학습으로컴퓨터에게고전게임플레이시키기|강화학습으로 컴퓨터에게 고전 게임 플레이 시키기]] : 가지고 온 PC의 네트워크 문제로 직접 소스를 받아서 돌려보지 못하는 바람에 다른 학우들 PC에서 구경만 했는데 마지막 DQN이 학습을 잘 하는 듯 하다가 다시 해메는 패턴을 보여 팝콘을 뜯었습니다(?) 짧지만 밀도 있는 세션이었다고 생각합니다.
** [[데블스캠프2017/InternalOfJavaScriptCore'sGarbageCollector|Internal of JavaScriptCore's Garbage Collector]] : 학부 수업에서 Mark-Sweep을 다룬 적이 있었는데(아마도 소공 아니면 PL 등 이찬근 교수님 강의였던 것만 기억나네요) JavaScript에서도 해당 기법을 사용할 수 있고 사용한다는 점이 흥미로웠습니다. 메모리 관리를 위해 GC가 필요하다는 생각은 했지만 Low-level에서 메모리 민감한 개발 작업 경험이 별로 없다보니 GC 돌리는 자체 비용도 충분히 생각해야 한다는 점을 다시 한 번 생각하게 되었습니다.
** 여담이지만 남훈 선배, 정직 선배 정말 오랜만에 뵈어서 반가웠는데 하나도 안 변하셨네요. 간식비(?) 감사 드립니다.
** [[데블스캠프2017/당신의C프로그램은안녕하십니까|당신의 C프로그램은 안녕하십니까]] : 중간중간 이진규 학우가 depth 깊은 질문도 많이 했지만 신입생/재학생을 배려하여 쉽게 설명해준 덕에 머리에서 맴돌기만 하던 분산 스토리지 환경의 개념을 정리할 수 있는 좋은 시간이었습니다. URL을 통해 두리뭉실하게 알고 있던 cdn 개념도 잘 들었습니다.
** 전 회사에서 14년도 Hadoop 인프라 구축 당시 32대 Applience 구성한 게 900TB였는데 요즘은 서버 한대에 스토리지 32개 꽂아서 320TB 정도라니 놀라울 따름.
** [[데블스캠프2017/DeepLearningDay|Deep Learning Day(토요일 특별 6시간 세션)]]
** Deep Learning Day (1) Intro : 학부생들도 알아들을 수 있게 쉽게 설명한 세션이었기에 딥러닝알못이었던 본인도 집중해서 들을 수 있었습니다. 본인이 거의 ADHD 수준이라 보통 설명을 1시간 이상 들으면 잡생각이 드는데 끝까지 재밌게 들었어요. 반면 요구 학습 분야(선형대수학, 확률과 통계, 미적분, 기타..)를 보면서 아 이건 내가 할게 아니구나 라는 큰 깨달음(?)
** Deep Learning Day (2) stanford 강의로 보는 이미지 분류 : 의정이 말대로 인용한 강의 자료가 설명이 잘 되어 있어서 수학포기자인 본인에게도 설명이 되는(?) 세션이었습니다. 중간중간 '다시'를 연발하며 좀 더 쉽게 설명하려는 연사의 노오력이 돋보였음.
** Deep Learning Day (3) 고래 등에 태운 텐서플로 : 세션 진행자가 전날 학교에 와서 준비까지 한 것으로 아는데 리눅스 버전 이슈와 기타 등등의 문제로 준비한 것에 비해 많이 못 보여준 느낌이었습니다. 그래도 도움을 준 학우들 덕에 이슈 제보자는 다른 방법을 써가며 오랜만에 리눅스도 써보고 docker 설치에 Jupyter까지 처음 띄워봐서 즐겁게 실습 해봤습니다. 다른 이야기지만 이 세션을 보면서 요즘 데블스캠프는 실습 하는 세션이 너무 많이 줄어들지 않았나 하는 생각도 들었습니다.
** Deep Learning Day (4) 자연어 처리 : '자연어 처리로 내가 뭔가 해냈다'는 분위기를 풍기며 Keras를 찬양하던 민관이의 리액션이 인상적이었습니다. 실습으로 직접 해보진 못했어도 실행되는 모습을 보여주며 설명해줘서 후배님들에게 더 와닿을 수 있었던 세션이었습니다.
* [[서지혜]]:
** 와 11시간이나 학교에 있었다니, 어쩐지 중간에 책이랑 이것저것 질렀더라. 월초부터 파산의 징조가 보인다.

* [[김성민]] : 피곤해서 그런지 세션을 전부 듣지 못했지만, 수업시간에 배운 미적분학, 선형대수학 등의 지식을 직접 머신러닝 예제를 통해 정리하고 다시 한 번 복습할 수 있는 시간을 가질 수 있어서 좋았습니다. 수학을 좋아해서 그런지 수학의 실생활 응용 이런거 보면 되게 반가워요... 그리고 선배님들의 깊은 내용이 담긴 세션들 들으면서 세션은 이렇게 준비해야겠다 하는 느낌을 많이 받았습니다. 내년에 데블스캠프할 때 한국에 있을 수 있다면! 이번 세션보다 더 좋은 세션을 해보도록 하겠습니다.
** [[데블스캠프2017/강화학습으로컴퓨터에게고전게임플레이시키기|강화학습으로 컴퓨터에게 고전게임 플레이 시키기]] : TensorFlow를 사용해 소량 학습(5000번정도)을 시켜서 고전게임을 플레이하게 하는 세션이었습니다. 이론적인 면이 조금.. 부족한 감이 있어서 이게 어떻게 학습을 하는지 이해하지 못한채 코드만 실행하는 제 자신의 무능함을 깨달았습니다.. 유일하게 제가 들은 세션 중 실습이 있었던 세션입니다. 노트북에 리눅스를 깔아둬서 손쉽게 진행할 수 있었으며 python을 배우면 쓸 일이 많겠다는 것을 느꼈습니다. 엄청 재밌었어요!!
** 이론은 하나도 다루지 않았으니까 무능함 느끼지 마시고 ML스터디로 오세요 - [[서지혜]]
** [[데블스캠프2017/InternalOfJavaScriptCore'sGarbageCollector|Internal Of JavaScript Core's Garbage Collector]] : GC에 대해 설명하셨습니다. GC는 JAVA와 C#에서만 다뤄봤지만, 그 구체적인 내용에 대해서는 잘 몰랐기 때문에 도움이 많이 된 것 같습니다.
** [[데블스캠프2017/DeepLearningDay|Deep Learning Day(토요일 특별 6시간 세션)]] : 머신러닝의 수학적인 기반이 되는 내용들을 다루신 세션 뒤에 바로 집에 가게 되어서 다 듣진 못했지만, 수업 시간에 어렴풋이 기초적인 내용만 배웠던걸 한꺼번에 총정리해서 그런지 좀 더 기반이 잡히는 느낌이었습니다. 중간에 머신러닝에 필요한 수학 쭉 써주셨을때 아는 수학 내용이 많이 나와서 기분이 좋았습니다.

* [[정진경]] :
** [[데블스캠프2017/InternalOfJavaScriptCore'sGarbageCollector|Internal Of JavaScript Core's Garbage Collector]] : 엄... 오랜만에 웹킷 네임스페이스를 보게 되어서 내심 설렜습니다(?). 재학생들이 듣기에 적절한 수준의 설명이었던 것 같습니다.
** [[데블스캠프2017/당신의C프로그램은안녕하십니까|당신의 C프로그램은 안녕하십니까]] : 대규모 상용 서버의 예를 볼 수 있는 좋은 경험이었던 것 같습니다. 전체적으로 보자면 내용이 다소 추상적으로만 이해되는 점이 있어서, 뭔가 배운다기 보다는 그냥 그런게 있었구나 하는 기억이어서 아쉽습니다.
** [[데블스캠프2017/DeepLearningDay|Deep Learning Day(토요일 특별 6시간 세션)]] : 주피터 노트북과 케라스의 사용 예를 볼 수 있어서 좋았습니다. 지금 와서 생각나는 아쉬운 점을 적자면, 현업에서 딥러닝으로 모델링 하면서 느낀 점이나 시행착오가 궁금한데 없었어서 아쉽습니다.

----
[[데블스캠프2017]], [[데블스캠프]]

Machine Learning

2017-06-24T07:40:05Z

211.218.211.139:

== 예비 지식 ==
* 확률과 통계
* 선형대수학

== 분류(Classification) ==
* [http://wiki.zeropage.org/wiki.php/Naive%20Bayesian%20Classifier Naive Bayesian Classifier]
* [[Artificial Neural Network]]

== 강화학습(Reinforce Learning) ==
* 강의
** [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html UCL Course on RL]
** [https://www.youtube.com/watch?v=2pWv7GOvuf0 Youtube]
* 책
** [http://incompleteideas.net/sutton/book/bookdraft2017june19.pdf Reinforcement Learning: An Introduction]
** [https://dnddnjs.gitbooks.io/rl/content Fundamental of Reinforcement Learning]
* Slide
** [http://icml.cc/2016/tutorials/deep_rl_tutorial.pdf Deep RL Tutorial - David Silver]
** [https://www.slideshare.net/carpedm20/ss-63116251 텐서플로우 설치도 했고 튜토리얼도 봤고 기초 예제도 짜봤다면 TensorFlow KR Meetup 2016]
* Articles
** [http://ishuca.tistory.com/391 Simple Reinforcement Learning with Tensorflow 한국어 번역]
* Resource
** [https://gym.openai.com OpenAI Gym] : 실습 가능한 환경을 제공
* Code
** [https://github.com/golbin/TensorFlow-Tutorials/tree/master/10%20-%20DQN tensorflow tutorial]
== 링크들 ==
* http://wiki.zeropage.org/wiki.php/MachineLearning%EC%8A%A4%ED%84%B0%EB%94%94
* http://www.reddit.com/r/MachineLearning/comments/20i0vi/meta_collection_of_links_for_beginners_faq
* http://peekaboo-vision.blogspot.kr/2013/01/machine-learning-cheat-sheet-for-scikit.html
* [https://github.com/NVIDIA/DIGITS Deep Learning GPU Training System]

== Links ==
* https://www.coursera.org/course/neuralnets

Machine Learning

2017-06-24T07:39:53Z

211.218.211.139:

== 예비 지식 ==
* 확률과 통계
* 선형대수학

== 분류(Classification) ==
* [http://wiki.zeropage.org/wiki.php/Naive%20Bayesian%20Classifier Naive Bayesian Classifier]
* [[Artificial Neural Network]]

== 강화학습(Reinforce Learning) ==
* Book
** [https://dnddnjs.gitbooks.io/rl/content Fundamental of Reinforcement Learning]
* 강의
** [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html UCL Course on RL]
** [https://www.youtube.com/watch?v=2pWv7GOvuf0 Youtube]
* 책
** [http://incompleteideas.net/sutton/book/bookdraft2017june19.pdf Reinforcement Learning: An Introduction]
* Slide
** [http://icml.cc/2016/tutorials/deep_rl_tutorial.pdf Deep RL Tutorial - David Silver]
** [https://www.slideshare.net/carpedm20/ss-63116251 텐서플로우 설치도 했고 튜토리얼도 봤고 기초 예제도 짜봤다면 TensorFlow KR Meetup 2016]
* Articles
** [http://ishuca.tistory.com/391 Simple Reinforcement Learning with Tensorflow 한국어 번역]
* Resource
** [https://gym.openai.com OpenAI Gym] : 실습 가능한 환경을 제공
* Code
** [https://github.com/golbin/TensorFlow-Tutorials/tree/master/10%20-%20DQN tensorflow tutorial]
== 링크들 ==
* http://wiki.zeropage.org/wiki.php/MachineLearning%EC%8A%A4%ED%84%B0%EB%94%94
* http://www.reddit.com/r/MachineLearning/comments/20i0vi/meta_collection_of_links_for_beginners_faq
* http://peekaboo-vision.blogspot.kr/2013/01/machine-learning-cheat-sheet-for-scikit.html
* [https://github.com/NVIDIA/DIGITS Deep Learning GPU Training System]

== Links ==
* https://www.coursera.org/course/neuralnets

Machine Learning

2017-06-24T06:46:53Z

211.218.211.139: