Jekyll2022-02-27T17:58:13+00:00https://skku-tnt.github.io/feed.xmlTNT성균관대 TNT 인공지능 학회[지원] 2022_1학기 TNT 신규 학회원 모집2022-02-14T00:00:00+00:002022-02-14T00:00:00+00:00https://skku-tnt.github.io/2022/02/14/2022-1%ED%95%99%EA%B8%B0-TNT-%EC%A7%80%EC%9B%90%EC%84%9C<p><img src="/assets/img/202202recruit.jpeg" width="80%" height="80%" /></p>
<h2 id="성균관대학교-인공지능학회-tnt에서-2022년-1학기-새로운-학회원을-모집합니다">성균관대학교 인공지능학회 TNT에서 2022년 1학기 새로운 학회원을 모집합니다!</h2>
<!--more-->
<p>지원 링크: <a href="https://forms.gle/PTX3Vzp8gXunKXM77">Google Forms 바로가기</a></p>
<p>성균관대 인공지능학회 TNT (Train and Test) 에서 2022년 1학기부터 함께 활동할 새로운 학회원 분들을 모집합니다.</p>
<p><br /></p>
<h2 id="-모집대상">📌 모집대상</h2>
<ul>
<li>1년 이상 활동이 가능한 사람</li>
<li>Python과 수학에 대한 기초 지식이 있는 사람(권장)</li>
<li>열정적이고 학습에 능동적으로 참여할 수 있는 사람</li>
<li>오티, 스터디세션, 프로젝트에 모두 참여가능한 사람</li>
</ul>
<p>💥 (중요) 필수 활동 기간은 1년입니다.</p>
<p>💥 합격자 분들은 OT에 반드시 참여해주셔야 합니다. (3/1 8pm)</p>
<p><br /></p>
<h2 id="-모집-일정">📌 모집 일정</h2>
<ul>
<li><strong>서류 마감</strong> : ~ 2/19(토) 23:59</li>
<li><strong>서류 합격자 발표</strong> : 2/20(일)</li>
<li><strong>면접</strong> : 2/23(수) ~ 25(금)</li>
<li><strong>합격자 발표</strong> : 2/27(일)</li>
<li><strong>OT/스터디 시작</strong> : 3/1(화)</li>
</ul>
<p><br /></p>
<h2 id="-활동내용">📌 활동내용</h2>
<ul>
<li><strong>활동시간</strong> : 매주 화요일 (시간은 스터디 별로 상이함)</li>
<li><strong>스터디 세션</strong> : 개설된 스터디 중 하나를 선택 및 지원하여 진행</li>
<li><strong>프로젝트 및 공모전</strong> : 매 학기 교내외 공모전 프로젝트 진행</li>
<li><strong>참여 대회</strong> : DACON, Kaggle 등 데이터 및 인공지능 경진대회 및 교내외 공모전</li>
</ul>
<p><br /></p>
<h2 id="-22-1학기-개설-스터디">📌 22-1학기 개설 스터디</h2>
<ul>
<li>데이터 마이닝</li>
<li>컴퓨터 비전</li>
<li>강화 학습</li>
<li>산업 인공지능(스마트 팩토리)</li>
</ul>
<p><br /></p>
<h2 id="-최근-2년간-활동-성과">📌 최근 2년간 활동 성과</h2>
<ul>
<li>2021년 SKKU 사범대학 SW-AI 경진대회 대상, 금상 수상</li>
<li>2021년 제3회 대학생 AI x Bookathon 대회 장려상 수상</li>
<li>Artificial Intelligence Diabetes Datathon 2021 본선 진출</li>
<li>2021년 한이음 ICT 멘토링 프로젝트 공모전 입상</li>
<li>2021년 DACON 따릉이 대여량 예측 경진대회 10위 입상</li>
<li>2021년 DACON 주식 종료 가격 예측 경진대회 30위 입상</li>
<li>2021년 현대중공업 제1회 빅데이터/AI 경진대회 3등상</li>
<li>2021년 과학기술정보통신부 주최 인공지능 온라인 경진대회 3등상</li>
<li>2021년 Co-deep Learning 우수상</li>
<li>2021년 Co-deep Learning 특허상 2팀</li>
<li>[DACON 경진대회 1등 솔루션] 공동 출판</li>
<li>2020년 성균관대 Co-Deep Learning 최우수상</li>
<li>2020년 성균관대 Co-Deep Learning 우수상</li>
<li>2020년 서울시 리빙랩 아이디어 공모전 3등상(링크플러스단장상)</li>
<li>2020년 데이터 크리에이터 캠프 우수상</li>
<li>2020년 NH투자증권 시각화 대회 본선 진출</li>
<li>DACON 6회, 7회 private 대회 수상</li>
</ul>
<p><br /></p>
<h2 id="-문의">📌 문의</h2>
<ul>
<li>포스터 참조</li>
</ul>
<p>지원 링크: <a href="https://forms.gle/PTX3Vzp8gXunKXM77">Google Forms 바로가기</a></p>성균관대학교 인공지능학회 TNT에서 2022년 1학기 새로운 학회원을 모집합니다![커리큘럼 안내] 2021_2학기 데이터마이닝 스터디 커리큘럼 및 세부계획2021-08-17T00:00:00+00:002021-08-17T00:00:00+00:00https://skku-tnt.github.io/2021/08/17/2021-2%ED%95%99%EA%B8%B0-%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%A7%88%EC%9D%B4%EB%8B%9D-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<h3 id="2021년-2학기-데이터마이닝-스터디-커리큘럼-및-세부계획입니다"><strong>2021년 2학기 데이터마이닝 스터디 커리큘럼 및 세부계획입니다</strong></h3>
<!--more-->
<p><br /></p>
<h1 id="스터디-소개">🔔스터디 소개</h1>
<ul>
<li>
<p>모든 분야에서 데이터를 다루고 활용하는 능력은 중요시되고 있으며, 이미 많은 기업에서 데이터 관련 역량을 검증하려 합니다. 데이터마이닝은 데이터베이스, 인공지능, 머신러닝을 아우르는 개념으로 그만큼 다양한 분야의 지식이 필요합니다. 이 지식이 탄탄하다면, 각자의 도메인에서 충분히 활약할 수 있습니다.</p>
</li>
<li>
<p>시중에는 수많은 데이터마이닝 관련 좋은 교재와 강의들이 있어 혼자서도 공부할 수 있습니다. 하지만 자신이 무엇이 부족한지 모르면 언젠가 한계에 부딪히게 됩니다. 또한 이론과 코드 실습을 통해서 개념을 완벽하게 이해했다 해도 그것을 실제 분석에 활용하는 것은 다른 문제입니다. 데이터마이닝 스터디의 목적은 자신이 배운 내용들을 피드백받고, 공유하는 데 있습니다.</p>
</li>
<li>
<p>그동안의 학교수업이나 여러 특강에서 공부하는 데이터마이닝은 어떤 사람에게는 너무 쉽거나, 어떤 사람에게는 너무 어려웠을 것입니다. 저희 데이터마이닝 스터디는 머신러닝 기초를 함께 공부하며, 선택 발제를 통해 자신이 탄탄하게 공부하고 싶은 분야를 팀원들과 같이 공부합니다. 머신러닝의 기초가 부족한 분들은 주교재의 내용들을 쭉 따라가면 되고, 다른 분야를 공부하고 싶은 분들은 스터디원과 상의해 같은 교재로 공부하며 선택 발제를 진행할 수 있습니다.</p>
</li>
<li>
<p>프로젝트 기간은 유동적으로 1~2주 진행될 것이며 스터디 시간에 배운 내용들을 활용할 수 있을 것입니다.</p>
</li>
</ul>
<p><br /></p>
<h1 id="모집-대상">🔔모집 대상</h1>
<p><strong>1.</strong> 데이터마이닝에 관심이 있으신 분</p>
<p><strong>2.</strong> 스터디 기간에 성실하게 참여하실 수 있는 분</p>
<p><strong>3.</strong> (중요) 활발하게 의견 공유하시는 분 – 피드백이 주가 되는 스터디인 만큼 적극적인 태도는 필수입니다!</p>
<p><strong>4.</strong> 기초통계, 선형대수학을 이해하시는 분</p>
<p><br /></p>
<h1 id="스터디-방식">🔔스터디 방식</h1>
<ul>
<li>저희 스터디는 크게 3가지 부분으로 이뤄져 있습니다. (1) 머신러닝 기초이론, (2) 코드 리뷰 및 실습, (3) 선택 발제입니다.</li>
</ul>
<p><strong>(1)</strong> 머신러닝 기초이론은 교재를 기반으로 이론을 학습하는 것이며 정기 스터디가 있기 전까지 해당 내용을 익혀야 합니다.</p>
<p><strong>(2)</strong> 코드 리뷰 및 실습은 기초이론 부분의 교재 연습문제를 중심으로 코드를 작성해오는 것이며 한 두 문제 정도는 스터디 시간에 같이 작성해봅니다.</p>
<p><strong>(3)</strong> 선택 발제는 자신이 공부하고 싶은 분야를 자유롭게 선택해 교재를 선택하고 각자 공부해 발제자가 되었을 때 공유하는 것입니다. 이 때 분야가 겹치는 스터디원이 있다면 같은 교재를 사용해 더 적극적인 피드백이 오갈 수 있도록 합니다.</p>
<p>효율적인 코드 리뷰와 적극적인 피드백을 위해, 2팀으로 나눠서 진행합니다. 다만, 스터디원분들의 다양한 지식 접근을 위해서 선택 발제는 팀을 합쳐서 진행합니다.
발제자는 (1) 머신러닝 기초이론과 (2) 코드 리뷰 및 실습에 해당하는 발제준비를 해야 하며, 스터디 시간에 라이브로 진행됩니다.
선택 발제는 말그대로 선택, 필수가 아닙니다. 10번의 스터디 중 각각 2~3번의 발제를 맡게 될 것입니다.</p>
<p><br /></p>
<h1 id="교재">🔔교재</h1>
<h3 id="주교재">주교재</h3>
<p><strong>1. 핸즈온 머신러닝 2판 Aurelien Geron 저 ISBN : 9791162242964</strong></p>
<blockquote>
<p><img src="https://user-images.githubusercontent.com/74092405/129452844-700fbcb8-dfef-4d20-8e26-2ff580b0cd1c.png" alt="image" /></p>
</blockquote>
<h3 id="참고하면-좋은-자료">참고하면 좋은 자료</h3>
<p><strong>1. <a href="https://www.coursera.org/learn/machine-learning">코세라 기계학습 강의</a></strong></p>
<blockquote>
<p>머신러닝분야에서 고전 같은 강의로 복잡한 이론들을 이해하기 쉽게 알려줍니다. 기초가 부족하신 분들에게 강력 추천하는 강의입니다. 다만, 프로그래밍 언어가 MATLAB/Octave로 처음에 익히는데 시간이 걸릴 수 있습니다. 하지만 코딩 과제의 난이도가 어렵지 않으므로 꼭 다 해보는 것을 추천합니다.</p>
</blockquote>
<p><strong>2. <a href="https://wikidocs.net/book/1">점프 투 파이썬</a></strong></p>
<blockquote>
<p>파이썬 기초가 부족하신 분들은 이 곳에서 파이썬을 익히시기 바랍니다.</p>
</blockquote>
<p><br /></p>
<h1 id="커리큘럼">🔔커리큘럼</h1>
<p><img src="https://user-images.githubusercontent.com/74092405/129452884-5b7ed17f-b8ab-45f7-a0ed-6718f21943eb.png" alt="image" /></p>
<p><br /></p>
<footer>
2021-02 데이터 마이닝 팀장 손수용 올림
</footer>
<p><br /></p>2021년 2학기 데이터마이닝 스터디 커리큘럼 및 세부계획입니다[커리큘럼 안내] 2021_2학기 산업 인공지능(스마트 팩토리) 스터디 커리큘럼 및 세부계획2021-08-17T00:00:00+00:002021-08-17T00:00:00+00:00https://skku-tnt.github.io/2021/08/17/2021-2%ED%95%99%EA%B8%B0-%EC%82%B0%EC%97%85%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<h3 id="2021년-2학기-산업-인공지능스마트-팩토리-스터디-커리큘럼-및-세부계획입니다"><strong>2021년 2학기 산업 인공지능(스마트 팩토리) 스터디 커리큘럼 및 세부계획입니다</strong></h3>
<!--more-->
<p><br /></p>
<h1 id="스터디-소개">🔔스터디 소개</h1>
<ul>
<li>
<p>모든 산업계에서 하루가 멀다하고 AI 솔루션 도입으로 획기적인 실적들이 쏟아져 나오고 있습니다. 그 핵심에는 데이터와 인공지능이 있습니다. 산업 인공지능 스터디는 인공지능 개념 습득에서 더 나아가 금융산업에서 활용되는 설명가능한 인공지능 (XAI)과 제조업에 사용되는 결함 탐지 AI (FDD), 그리고 주가/ 생산량 예측에 사용되는 시계열 예측 AI 모델을 탐구할 것입니다.</p>
</li>
<li>
<p>본 스터디에서는 전공에 관계없이 각자의 도메인과 관심분야를 살릴 수 있도록 적극 장려할 것이며, 그에 따라 스터디 커리큘럼 또한 충분히 바뀔 수 있습니다. 모든 학회원들은 자신의 관심분야에 대해 인사이트를 공유하고 서로 도와가며 탐구과정에서 발생한 어려움을 함께 해결해 나갈 것입니다.</p>
</li>
<li>
<p>스터디 진행은 다양한 산업 데이터 분석을 위주로 진행될 것이며, 보조자료로는 최신 논문들을 사용할 것입니다. 또한, AI 모델 구축에만 집중하는 것이 아닌, AI 개발 의사결정 및 결과 해석 토론을 진행하여 단순한 AI 스킬 트레이닝 보다는 종합적 사고력을 기르고자 합니다. 스터디 과정 중에 유의미한 Contribution 아이템이 있다면, 논문 투고 및 특허 출원으로 연계하고자 합니다. 많은 지원 바랍니다.</p>
</li>
</ul>
<p><br /></p>
<h1 id="모집-대상">🔔모집 대상</h1>
<p><strong>1.</strong> 탐구활동에 열정이 있으시고 스터디에 능동적으로 참여할 수 있으신 분</p>
<p><strong>2.</strong> Python과 친숙하신 분</p>
<p><strong>3.</strong> 이론을 넘어 실습을 통해 인공지능을 직관적으로 이해하고 싶으신 분</p>
<p><strong>4.</strong> 실제 산업계 데이터를 경험해보고 싶으신 분</p>
<p><strong>5.</strong> 기업에서의 AI 활용에 대해 공부하고 싶으신 분</p>
<p><br /></p>
<h1 id="우대-사항">🔔우대 사항</h1>
<p><strong>1.</strong> 머신러닝/딥러닝 모델 구축 경험이 있으신 분</p>
<p><strong>2.</strong> 인공지능응용 / 강건설계 / 머신러닝과 딥러닝 / 데이터 분석 과목에 흥미를 느껴 AI를 더 배워보고 싶으신 분</p>
<p><strong>3.</strong> 위 사항은 권장사항일 뿐이며, 열정과 도전의식만 있다면 보람차고 즐거운 스터디 활동이 될 것입니다! 어려움을 겪는 멤버가 있다면 Senior 스터디 멤버가 보조하여 함께 어려움을 해결해 나갈 것입니다.</p>
<p><br /></p>
<h1 id="스터디-방식">🔔스터디 방식</h1>
<ul>
<li>학기 중 총 10번의 입회가 예정되어 있습니다. 매주 정기 스터디 모임 시간은 화요일 오후 7시로 예정되어 있습니다. (날짜 및 시간은 추석, 공휴일 및 학회원들의 사정을 고려하여 유동적으로 변경될 수 있습니다.)</li>
<li>스터디는 매주 발제자가 돌아가면서 스터디 시간에 배울 내용에 대해 개념과 코드 등을 설명하는 영상을 녹화해 TNT 유튜브 채널에 업로드 합니다. 나머지 학회원들은 정기 스터디 시간에 참여하기 전에 영상을 보면서 각자 공부를 합니다. 이후 스터디 시간에는 발제자가 주도하여 간단한 퀴즈와 예제를 통해 학습을 진행합니다. 이후 서로 가졌던 궁금증이나 어려움을 토론하면서 문제를 해결합니다.</li>
<li>정기 스터디 모임은 코로나19 상황에 따라 대면 혹은 비대면으로 진행됩니다.</li>
</ul>
<p><br /></p>
<h1 id="교재">🔔교재</h1>
<p><strong>1. “XAI 설명 가능한 인공지능, 인공지능을 해부하다” CH 1 ~ 8 - 안재현 저</strong></p>
<ul>
<li>해석가능한 인공지능의 개념 학습을 위한 교재</li>
</ul>
<p><strong>2. “딥러닝 이용한 자연어 처리 입문” - 유원준, 안상준 저</strong></p>
<ul>
<li>Temporal Fusion Transformer 의 원할한 이해를 위한 어텐션과 트랜스포머 개념 체화용 교재</li>
</ul>
<p><br /></p>
<h1 id="커리큘럼">🔔커리큘럼</h1>
<ul>
<li>주차 별 세부 계획은 다음과 같습니다. 각 주차별 Task는 변동 가능하며, 모든 구성원은 언제든 커리큘럼 변경을 제안할 수 있습니다.</li>
</ul>
<p><img src="https://user-images.githubusercontent.com/74092405/129452380-78ea89d4-35ba-462c-9052-d164e94132c8.png" alt="image" /></p>
<p><br /></p>
<footer>
2021-02 산업 인공지능(스마트 팩토리) 팀장 황한동 올림
</footer>
<p><br /></p>2021년 2학기 산업 인공지능(스마트 팩토리) 스터디 커리큘럼 및 세부계획입니다[커리큘럼 안내] 2021_2학기 자연어처리 스터디 커리큘럼 및 세부계획2021-08-17T00:00:00+00:002021-08-17T00:00:00+00:00https://skku-tnt.github.io/2021/08/17/2021-2%ED%95%99%EA%B8%B0-%EC%9E%90%EC%97%B0%EC%96%B4%EC%B2%98%EB%A6%AC-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<h3 id="2021년-2학기-자연어처리-스터디-커리큘럼-및-세부계획입니다"><strong>2021년 2학기 자연어처리 스터디 커리큘럼 및 세부계획입니다</strong></h3>
<!--more-->
<p><br /></p>
<h1 id="스터디-소개">🔔스터디 소개</h1>
<ul>
<li>
<p>자연어 처리는 컴퓨터가 사람들이 실제로 사용하는 텍스트의 의미를 이해하고 정보를 추출 및 분류하며, 더 나아가 직접 텍스트를 예측하고 생성하는 기술을 포함하는, 대표적인 인공지능 기술입니다. 우리는 이미 생활 속에서 인터넷 검색, 이메일 필터링, 텍스트 자동 완성, 언어 번역, AI 스피커 등 다양한 곳에서 자연어 처리 기술을 이용하고 있습니다.</p>
</li>
<li>
<p>현재도 계속해서 더욱 더 정교한 언어 모델들이 개발되고 있으며, 다른 인공지능 기술과 결합되어 무궁무진한 힘을 발휘할 수 있는 자연어 처리 분야를 기초부터 활용 단계까지 함께 공부해 봅시다!</p>
</li>
<li>
<p>이번 학기 ‘자연어 처리’ 팀은 자연어처리의 기초부터 최신 모델인 BERT와 GPT까지 이해하고 사용해보며, 팀 프로젝트로 실제 문제에 적용해보는 경험까지 하는 것을 목표로 진행합니다.</p>
</li>
<li>
<p>프로젝트 기간은 스터디 진행 상황에 따라 유동적으로 3 ~ 4주 진행합니다. 팀/개인, 주제는 모두 자유롭게 하여, 실제 생활에서 필요한 문제에 자연어 처리 기술을 적용해보는 것을 경험해볼 것입니다.</p>
</li>
</ul>
<p><br /></p>
<h1 id="모집-대상">🔔모집 대상</h1>
<p><strong>1.</strong> 자연어처리(NLP)에 관심이 있으신 분</p>
<p><strong>2.</strong> Python과 친숙하신 분</p>
<p><strong>3.</strong> 기본적인 선형대수학, 확률통계에 대해 이해하고 있으신 분</p>
<p><strong>4.</strong> 기계학습, 뉴럴 네트워크 등의 기초 지식이 있으신 분 (처음 시작하시는 분도 배울 의지가 강력하시다면 충분히 가능합니다!)</p>
<p><strong>5.</strong> 책임감 있게 스터디에 참여하실 분</p>
<p><br /></p>
<h1 id="스터디-방식">🔔스터디 방식</h1>
<ul>
<li>정규 스터디 시간은 매주 화요일 오후 7시입니다. (팀원들과 상의 하에 오후 8시로 변경될 수 있습니다.)</li>
<li>현재로서는 온라인 스터디를 진행하지만, 코로나19 상황에 따라 변동 가능합니다.</li>
<li>각 주차의 발제자는 담당 파트에 대해 설명하는 영상을 TNT 유튜브와 팀 Notion에 업로드하고, 나머지 팀원들은 해당 영상을 참고하여 교재 내용을 공부해옵니다.</li>
<li>교재의 실습 코드를 모두 실행해봅니다. (교재 github 참고)</li>
<li>발제자는 스터디 시간에 진행할 개념 점검 질문/토론/예제 연습 등 다양하게 발제를 구성할 수 있습니다.</li>
<li>프로젝트 기간에는 팀별(개인별) 진행 상황을 공유하며, 마지막 발표 주차에 결과물을 반드시 제출합니다.</li>
<li>프로젝트를 발전시켜 공모전/대회에 제출할 수 있습니다.</li>
</ul>
<p><br /></p>
<h1 id="교재">🔔교재</h1>
<p><img width="500" align="right" src="https://github.com/rickiepark/nlp-with-pytorch/raw/main/cover.jpeg" /></p>
<h3 id="파이토치로-배우는-자연어-처리">파이토치로 배우는 자연어 처리</h3>
<h5 id="델립-라오delip-rao-브라이언-맥머핸brian-mcmahan-지음">델립 라오(Delip Rao), 브라이언 맥머핸(Brian McMahan) 지음</h5>
<ul>
<li><a href="https://github.com/rickiepark/nlp-with-pytorch">교재 Github 링크 바로가기</a></li>
</ul>
<p><br /></p>
<h1 id="커리큘럼">🔔커리큘럼</h1>
<ul>
<li>본 커리큘럼은 팀원들과 상의 하에 수정될 수 있습니다.
<img src="/assets/img/21-02-nlp.png" alt="image" /></li>
</ul>
<p><br /></p>
<footer>
2021-02 자연어처리 팀장 최한결 올림
</footer>
<p><br /></p>2021년 2학기 자연어처리 스터디 커리큘럼 및 세부계획입니다[커리큘럼 안내] 2021_2학기 컴퓨터비전 스터디 커리큘럼 및 세부계획2021-08-17T00:00:00+00:002021-08-17T00:00:00+00:00https://skku-tnt.github.io/2021/08/17/2021-2%ED%95%99%EA%B8%B0-%EC%BB%B4%ED%93%A8%ED%84%B0%EB%B9%84%EC%A0%84-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<h3 id="2021년-2학기-컴퓨터비전-스터디-커리큘럼-및-세부계획입니다"><strong>2021년 2학기 컴퓨터비전 스터디 커리큘럼 및 세부계획입니다</strong></h3>
<!--more-->
<p><br /></p>
<h1 id="스터디-소개">🔔스터디 소개</h1>
<ul>
<li>
<p>안녕하세요, <strong>2021년도 2학기 TNT 컴퓨터비전</strong> 팀장을 맡은 김태환입니다.</p>
</li>
<li>4차 산업 혁명이 본격적으로 가속화되면서, 테슬라의 <strong>자율주행 자동차</strong>나 빅스비와 Siri 같은 인공지능 비서 등이 등장해 우리 주변에서 인공지능이 없는 곳을 찾기가 어려워졌습니다. 또한, 우리가 매일 사용하는 스마트폰 카메라의 <strong>장면 최적화 촬영</strong>(QR코드 인식, 문서 스캔, 야간 촬영 등) 기능에도 사물 인식 등의 인공지능 기술이 활용되고 있습니다. 이처럼 인공지능은 우리 삶의 가장 가까운 곳에 있으면서도 먼 것처럼 느껴지는 학문입니다.
<br />
<img src="https://github.com/skku-taehwan/taehwan16/blob/main/humanrecognition.jpg?raw=true" alt="image" />
<br /></li>
<li>그중에서도 <strong>사진이나 영상으로부터 우리가 원하는 데이터를 추출하는 분야를 컴퓨터 비전</strong>이라고 합니다. 테슬라의 자율주행 자동차가 주행 중에 촬영한 영상을 바탕으로 사물이나 차선, 사람 등을 인식하거나 공장에서 제품 생산 중에 발생하는 결함을 탐지하는 영역 모두 컴퓨터 비전의 일종입니다. 따라서, <strong>2021년도 2학기 컴퓨터 비전 스터디에서는 사진이나 영상을 활용하여 얼굴 및 사물 인식을 적용하는 딥러닝 모델을 강의를 따라 직접 구현해보면서 그 개념을 익히고, 관련된 프로젝트를 진행하고자 합니다.</strong></li>
</ul>
<p><br /></p>
<h1 id="모집-대상">🔔모집 대상</h1>
<p><strong>1. 끝까지 포기하지 않을 수 있는 분</strong></p>
<blockquote>
<p>인공지능을 잘 모르셔도 괜찮습니다. 팀장인 저도 컴퓨터 비전 분야를 공부하는 것이 처음이니까요!! 다만, 인공지능으로 무언가를 해보고 싶다는 <strong>열정과 노력</strong>은 진심이면 좋겠습니다 : ) 말과 행동이 다른 분들은 정중히 사양하겠습니다.</p>
</blockquote>
<p><strong>2. 이론보다는 실전으로 인공지능을 배우고 싶은 분</strong></p>
<blockquote>
<p>인공지능의 바탕이 되는 이론적 공부의 중요성은 당연하다고 생각합니다. 하지만, 인공지능을 이론으로 공부하다 보면 흥미를 가지기도 전에 그만두고 싶은 학문이기도 하죠! 그래서, 실전을 통해 컴퓨터 비전을 배우면서 관련된 이론들은 추가적인 자료나 발제를 통해서 공부하고자 합니다.</p>
</blockquote>
<p><strong>3. 스터디를 이끌어나갈 주체가 될 수 있는 분 (의견 공유 활발하신 분들)</strong></p>
<blockquote>
<p>스터디의 전반적인 리딩은 팀장인 제가 해야 할 예정입니다만, 스터디 진행에 있어서 팀원들의 역할은 더 중요하다고 생각합니다.
스터디 진행 도중, 분량이 너무 많거나 추가적으로 배우고 싶은 것들이 생길 수 있고, 팀원들 사이에 의견 충돌이 생길 수 있습니다.
이때, 팀원들과 다같이 의견을 공유하고 스터디를 개선해나갈 의지가 있는 분이면 좋을 것 같습니다!</p>
</blockquote>
<p><br /></p>
<h1 id="스터디-방식">🔔스터디 방식</h1>
<h3 id="1부-97---스터디-진행"><strong>1부 (9/7~) - 스터디 진행</strong></h3>
<p><strong>1. 매주 커리큘럼 내의 FastCampus 강의 수강 및 실습 진행</strong></p>
<p><strong>2. 매주 1-2명의 발제자를 정해 해당 주차의 강의에 대한 발제 및 발표 진행</strong></p>
<blockquote>
<p><strong>a.</strong> 발제를 준비하지 않는 모든 팀원들도 해당 주차의 내용을 모두 숙지하신 뒤에 스터디에 참여하셔야 합니다.</p>
<p><strong>b.</strong> 매주 수강한 강의나 과제에 대한 코드 리뷰를 TNT 컴퓨터 비전 드라이브에 올리셔야 합니다!! (학회 방침)</p>
</blockquote>
<p><strong>3. 오프라인 or 온라인 (항상 화면 켜기)</strong></p>
<blockquote>
<p><strong>a.</strong> 코로나 19로 인해, 오프라인 스터디가 어려운 상황이라 온라인으로 스터디를 진행할 예정입니다.</p>
<p><strong>b.</strong> 스터디 진행 시, 화면을 켜는 것을 원칙으로 할 예정입니다. 화면을 끄면, 스터디에서 팀원들과 소통하기 어렵다고 생각되기 때문입니다.</p>
<p><strong>c.</strong> 사회적 거리두기 단계가 저하되면, 팀원들과 논의하여 오프라인 스터디를 진행할 수도 있습니다!</p>
</blockquote>
<h3 id="2부---논문-스터디-or-프로젝트-진행"><strong>2부 - 논문 스터디 or 프로젝트 진행</strong></h3>
<blockquote>
<p><strong>a.</strong> 컴퓨터 비전 관련 논문 스터디를 진행하거나 팀 혹은 개인별로 컴퓨터 비전 관련 프로젝트를 진행할 예정입니다.</p>
<p><strong>b.</strong> 프로젝트 주제는 중간고사 이후에 팀원들과 논의를 통해 결정할 계획입니다.</p>
</blockquote>
<p><br /></p>
<h1 id="교재">🔔교재</h1>
<h3 id="주교재">주교재</h3>
<blockquote>
<p><strong>Inflearn 강의: <a href="https://www.inflearn.com/course/%EB%94%A5%EB%9F%AC%EB%8B%9D-%EC%BB%B4%ED%93%A8%ED%84%B0%EB%B9%84%EC%A0%84-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C">딥러닝 컴퓨터비전 가이드</a></strong>
Python (Tensorflow, OpenCV, YOLO 등)을 활용하여 <strong><code class="language-plaintext highlighter-rouge">명함, 얼굴, 사물 인식 or 영상 처리 등</code></strong> 을 직접 구현하면서 컴퓨터 비전에 대해 접근하는 강의입니다. 총 17단원으로 구성되어 있으며, 한 주에 약 2단원씩의 진도를 나가고, 10단원까지 스터디를 진행하려 합니다. 진도는 스터디 진행 후, 팀원들과 논의하여 변경될 수 있습니다:)</p>
</blockquote>
<h3 id="부교재">부교재</h3>
<blockquote>
<p><strong>FastCampus 강사 교재: <a href="http://www.kyobobook.co.kr/product/detailViewKor.laf?mallGb=KOR&ejkGb=KOR&barcode=9791160507652">OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝</a></strong></p>
<p align="center"> <img src="http://image.kyobobook.co.kr/images/book/xlarge/652/x9791160507652.jpg" width="500" /></p>
<p><strong>a.</strong> OpenCV를 활용한 컴퓨터비전 기초부터 딥러닝 활용까지 다루는 책입니다.</p>
<p><strong>b.</strong> 필수 구매는 아니므로, 선택적으로 구매하면 됩니다.</p>
</blockquote>
<h3 id="참고하면-좋은-자료">참고하면 좋은 자료</h3>
<blockquote>
<p><strong>1. 머신러닝 기초 강의 : <a href="https://www.youtube.com/playlist?list=PLuHgQVnccGMDy5oF7G5WYxLF3NCYhB9H9">생활코딩</a></strong></p>
<p>머신러닝에 대해서 짧고 쉽게 설명해주는 강의입니다. 처음 인공지능을 접할 때 들으면 괜찮아서 링크 걸어놓았습니다!!</p>
</blockquote>
<blockquote>
<p><strong>2. 컴퓨터 비전 관련 유튜브 강의 : <a href="https://www.youtube.com/playlist?list=PL-xmlFOn6TUKlxlh3PIuAzHkJakFlcDvY">빵형의 개발도상국</a></strong></p>
<p>스터디 소개란에 적힌 글만으로는 컴퓨터 비전이 뭘 하는지 모르겠다 싶으신 분들은, 위 유튜브 영상들을 참고하시면 컴퓨터 비전에 대해 이해하기 쉬울 것 같습니다!!</p>
</blockquote>
<p><br /></p>
<h1 id="커리큘럼">🔔커리큘럼</h1>
<p><img src="/assets/img/21-02-computer-vision.png" alt="image" /></p>
<p><br /></p>
<footer>
2021-02 컴퓨터비전 팀장 김태환 올림
</footer>
<p><br /></p>2021년 2학기 컴퓨터비전 스터디 커리큘럼 및 세부계획입니다[지원] 2021_2학기 TNT 신규 학회원 모집2021-08-16T00:00:00+00:002021-08-16T00:00:00+00:00https://skku-tnt.github.io/2021/08/16/2021-2%ED%95%99%EA%B8%B0-TNT-%EC%A7%80%EC%9B%90%EC%84%9C<p><img src="/assets/img/202102recruit.png" width="60%" height="60%" align="right" /></p>
<h2 id="성균관대학교-인공지능학회-tnt에서-2021년-2학기-새로운-학회원을-모집합니다">성균관대학교 인공지능학회 TNT에서 2021년 2학기 새로운 학회원을 모집합니다!</h2>
<!--more-->
<p>지원 링크: <a href="https://forms.gle/n8JG3NZUB8xoprVK6">Google Forms 바로가기</a></p>
<p>성균관대 인공지능학회 TNT (Train and Test) 에서 2021년 2학기부터 함께 활동할 새로운 학회원 분들을 모집합니다.</p>
<p><br /></p>
<h2 id="-모집대상">🔔 모집대상</h2>
<ul>
<li>1년 이상 활동이 가능한 사람</li>
<li>Python과 수학에 대한 기초 지식이 있는 사람(권장)</li>
<li>열정적이고 학습에 능동적으로 참여할 수 있는 사람</li>
<li>정규세션, 스터디세션, 프로젝트에 모두 참여가능한 사람</li>
</ul>
<p><br /></p>
<h2 id="-리크루팅-일정">🔔 리크루팅 일정</h2>
<ul>
<li><strong>서류 마감</strong> : 8월 22일 (일)</li>
<li><strong>서류 합격자 발표</strong> : 8월 23일 (월)</li>
<li><strong>면접</strong> : 8월 25일 ~ 8월 27일 (수 ~ 금)</li>
<li><strong>최종 합격자 발표</strong> : 8월 30일 (월)</li>
<li><strong>OT/스터디 시작</strong> : 8월 31일 (화)</li>
</ul>
<p><br /></p>
<h2 id="-활동내용">🔔 활동내용</h2>
<ul>
<li><strong>활동시간</strong> : 매주 화요일 (시간은 스터디 별로 상이함)</li>
<li><strong>스터디 세션</strong> : 개설된 스터디 중 하나를 선택 및 지원하여 진행</li>
<li><strong>개설 예정 스터디</strong> : <strong>자연어처리, 데이터마이닝, 컴퓨터비전, 스마트팩토리</strong></li>
<li><strong>프로젝트 및 공모전</strong> : 매 학기 교내외 공모전 프로젝트 진행</li>
<li><strong>참여 대회</strong> : DACON, Kaggle 등 데이터 및 인공지능 경진대회 및 교내외 공모전</li>
</ul>
<p><br /></p>
<h2 id="-스터디-별-커리큘럼-및-모집-대상">🔔 스터디 별 커리큘럼 및 모집 대상</h2>
<ul>
<li><strong>각 스터디별 커리큘럼 및 세부계획은 홈페이지 내 해당 게시글에서 확인바랍니다.</strong></li>
<li><strong>스터디별 계획을 확인하시고 희망하는 스터디에 지원하시면 됩니다!</strong></li>
<li><strong>자연어처리 커리큘럼 및 세부계획</strong> : <a href="https://skku-tnt.github.io/2021/08/17/2021-2학기-자연어처리-커리큘럼.html">자연어처리 커리큘럼 바로가기</a></li>
<li><strong>산업인공지능 커리큘럼 및 세부계획</strong> : <a href="https://skku-tnt.github.io/2021/08/17/2021-2학기-산업인공지능-커리큘럼.html">산업인공지능 커리큘럼 바로가기</a></li>
<li><strong>데이터마이닝 커리큘럼 및 세부계획</strong> : <a href="https://skku-tnt.github.io/2021/08/17/2021-2학기-데이터마이닝-커리큘럼.html">데이터마이닝 커리큘럼 바로가기</a></li>
<li><strong>컴퓨터비전 커리큘럼 및 세부계획</strong> : <a href="https://skku-tnt.github.io/2021/08/17/2021-2학기-컴퓨터비전-커리큘럼.html">컴퓨터비전 커리큘럼 바로가기</a></li>
</ul>
<p><br /></p>
<h2 id="-최근-2년간-활동-성과">🔔 최근 2년간 활동 성과</h2>
<ul>
<li>2021년 현대중공업 제1회 빅데이터/AI 경진대회 3등상</li>
<li>2021년 과학기술정보통신부 주최 인공지능 온라인 경진대회 3등상</li>
<li>2021년 Co-deep Learning 우수상</li>
<li>2021년 Co-deep Learning 특허상 2팀</li>
<li>[DACON 경진대회 1등 솔루션] 공동 출판</li>
<li>2020년 성균관대 Co-Deep Learning 최우수상</li>
<li>2020년 성균관대 Co-Deep Learning 우수상</li>
<li>2020년 서울시 리빙랩 아이디어 공모전 3등상(링크플러스단장상)</li>
<li>2020년 데이터 크리에이터 캠프 우수상</li>
<li>2020년 NH투자증권 시각화 대회 본선 진출</li>
<li>DACON 6회, 7회 private 대회 수상</li>
<li>2019년 성균관대 AI Bookathon 장려상</li>
<li>2019년 Co-deep Learning 대상</li>
</ul>
<p><br /></p>
<h2 id="-문의">🔔 문의</h2>
<ul>
<li>포스터 참조</li>
</ul>
<p>지원 링크: <a href="https://forms.gle/n8JG3NZUB8xoprVK6">Google Forms 바로가기</a></p>성균관대학교 인공지능학회 TNT에서 2021년 2학기 새로운 학회원을 모집합니다![커리큘럼 안내] 2021_1학기 강화학습&생성모델 스터디 커리큘럼 및 세부계획2021-02-05T00:00:00+00:002021-02-05T00:00:00+00:00https://skku-tnt.github.io/2021/02/05/2021-1%ED%95%99%EA%B8%B0-%EA%B0%95%ED%99%94%ED%95%99%EC%8A%B5-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<ul>
<li><strong>2021년 1학기 강화학습+생성모델 스터디 커리큘럼 및 세부계획입니다</strong>
<!--more--></li>
</ul>
<h2 id="-스터디-소개">🔔 스터디 소개</h2>
<ul>
<li>
<p>인공지능이라고 하면 어떤 생각이 떠오르시나요? 알파고? 로봇? 자율주행? 사람들이 흔히 생각하는 인공지능이라고 하면 스스로 학습해서 똑똑해지는 존재라고 생각을 하게 됩니다. 하지만 현재 인공지능이라고 이야기되는 대부분의 기술들은 지도학습을 의미하고 있습니다. 이러한 지도학습에는 결국에는 라벨이 존재해야 한다는 단점이 존재합니다. 예를 들어 지도학습으로 로봇이 움직이게 하려면 걸을 때 매 순간 특정 정답지가 존재해야 합니다 1ms마다 연산을 하는 로봇이라고 하면 매 ms마다 모든 엑츄에이터에 대한 정답지가 존재해야 한다는 의미이죠. 이는 현실적으로 불가능 합니다. 또한 그런 정답지를 아는 상황이면 굳이 신경망을 사용하지 않고도 로봇을 제어할 수 있습니다 하지만 인간이 처음 걸음마를 배울 때는 그렇지 않죠. 매 순간 걸어보고 “내가 이렇게 행동했을 때 이렇더라”라는 경험을 가지고 학습을 진행하게 됩니다. 강화학습은 인간이 어떠한 능력을 배우는 알고리즘을 모방한 알고리즘입니다. 학습자가 로봇이 걸으면 보상을 주고 로봇이 못 걸으면 패널티를 주는 식으로 학습을 진행하게 되죠. <strong>인간이 학습하는 방식과 가장 유사한 인공지능</strong>이라는 매력적인 요소를 가지고 있는 것이 강화학습입니다.</p>
</li>
<li>
<p>하지만 사실 강화학습은 아직 관련 일자리가 부족한 것은 사실입니다. 최근에 SK, 삼성, LG등에서 관심을 보이고 적용 가능한 연구가 활발히 진행되고 있지만 아직은 시작 단계입니다. 그렇기 때문에 강화학습과 더불어 생성 모델에 대해서도 같이 공부하고자 합니다. 이러한 생성 모델은 그 자체로도 많은 쓰임새가 있지만, 최근 강화학습 논문을 보면 생성모델과 결합하여 강화학습을 더 강력하게 만들고 있습니다.</p>
</li>
<li>
<p>이번 스터디를 통해 스스로 환경에 대해서 적용 가능한 강화학습 알고리즘을 만들어서 학습시켜 보는 것을 목적으로 하고 있습니다. 또한 생성 모델을 통해 이미지, 자연어등을 스스로 생성해내는 인공지능 모델을 학습하는 것 또한 목적으로 하고 있습니다.</p>
</li>
<li>
<p>이번 스터디는 많이 어려울 예정입니다. 온갖 수식이 난무하고 강화학습 알고리즘을 구현하기 위해서는 정말 많은 코딩이 필요하죠. 이러한 어려움을 알고 강화학습과 생성에 대해 알고 싶으시다면 환영입니다.</p>
</li>
<li>
<p>매 수업마다 먼저 관련 주제에 대해 이론적인 공부를 하게 됩니다. 헤당 공부가 끝나면 그 전 시간의 이론을 바탕으로 구현한 과제이자 개인의 코드를 리뷰하는 시간을 가지게 될 것입니다.</p>
</li>
</ul>
<h2 id="-모집-대상">🔔 모집 대상</h2>
<ul>
<li>강화학습과 생성 모델에 관심이 있는 분들</li>
<li>딥러닝에 능숙하신 분들</li>
<li>파이썬에 능숙하신 분들</li>
</ul>
<h2 id="-스터디-방식">🔔 스터디 방식</h2>
<ul>
<li>매주 강화학습 부분, 생성 부분 과제를 나갈 겁니다.</li>
<li>
<p>스터디는 총 3시간으로 진행될 예정입니다.</p>
</li>
<li>
<p>강화학습 부분:
책에서 읽은 내용 중 이해 안되는 부분이나 헷갈리는 부분 질문을 합니다.
해당 질문이 다 끝나면 과제 코드 리뷰 진행</p>
</li>
<li>생성 모델 부분 :
과제 코드 리뷰 진행하면서 모르는 내용 정리</li>
</ul>
<h2 id="-커리큘럼">🔔 커리큘럼</h2>
<p><img src="/assets/img/2021_1_curriculum/강화학습.PNG" /></p>
<h2 id="-교재">🔔 교재</h2>
<ul>
<li>수학으로 풀어보는 강화학습 원리와 알고리즘</li>
</ul>
<h2 id="많은-지원-바랍니다">많은 지원 바랍니다!</h2>2021년 1학기 강화학습+생성모델 스터디 커리큘럼 및 세부계획입니다[커리큘럼 안내] 2021_1학기 데이터마이닝 스터디 커리큘럼 및 세부계획2021-02-05T00:00:00+00:002021-02-05T00:00:00+00:00https://skku-tnt.github.io/2021/02/05/2021-1%ED%95%99%EA%B8%B0-%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%A7%88%EC%9D%B4%EB%8B%9D-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<ul>
<li><strong>2021년 1학기 데이터마이닝 스터디 커리큘럼 및 세부계획입니다</strong>
<!--more--></li>
</ul>
<h2 id="-스터디-소개">🔔 스터디 소개</h2>
<ul>
<li>머신러닝, 딥러닝, AI, 빅데이터 등 현재 우리는 이 단어들이 너무나도 익숙하게 들리는 시대에 살고 있습니다.</li>
<li>2020년 큰 화제가 되었던 드라마 ‘스타트업’에서마저 머신러닝 용어들이 자연스럽게 녹아들어 있는 것을 볼 수 있을 것입니다. (Image Detection / 학습 / 자율주행)</li>
<li>이처럼, 빅데이터 시대에 데이터를 활용하는 능력을 보유하고 있다는 건 손에 강력한 무기를 쥐고 있다고 해도 과언이 아닐 정도로 그 중요성은 이미 너무나도 커진 상황입니다. 그래서인지 우리는 이 정보의 홍수에서 어쩌면 무엇이 중요한지 모른 채 단순히 시대에 뒤 떨어지지 않기 위해 발을 들이고 있는 것은 아닌지 스스로 생각해 보아야할 것입니다. 머신러닝 혹은 딥러닝에 있어 필수적인 역량은 단연 수학적 사고입니다. 수식을 정확히 이해할 수 있어야 모델을 이해할 수 있고 나아가 올바른 적용까지 가능하게 됩니다.</li>
<li>한 유명 블로그의 글을 인용하자면, 스타트업 대표들의 공통된 분위기는 이미 컴퓨터공학과를 코딩하는 경영학과라고 생각한다고 합니다. 다소 극단적인 표현일 수 있으나, 통계적 이해와 수학적 바탕의 중요성을 쉽게 느낄 수 있는 말인 것 같습니다.</li>
<li>다시 말해, 통계적 이해 없이 ‘머신러닝’을 배울 수 있다는 것은 극한의 효율을 좋아하는 한국인들을 위해 마련된 감언이설에 불과하다고 생각합니다.</li>
<li>따라서 이 스터디는 <strong>통계적 이해를 바탕으로 두는 것</strong>을 가장 우선으로, 각 모델들의 원리부터 실제 데이터에 적용까지 나아가는 것을 목표로 합니다.</li>
</ul>
<h2 id="-모집-대상">🔔 모집 대상</h2>
<ul>
<li>Python 혹은 R 경험이 있는 분</li>
<li>기초적인 선형대수와 통계지식이 있는 분</li>
<li>머신러닝 관련 프로젝트에 열정적으로 참여할 수 있는 분</li>
</ul>
<h2 id="-스터디-방식">🔔 스터디 방식</h2>
<ul>
<li>
<p>이론 스터디 + 코드 스터디</p>
</li>
<li>
<p>이론 스터디 : 각 주차의 내용에 대한 이론을 메인 발제자가 설명 및 그에 대한 Q&A 방식으로 진행
발제자는 random 결정 (추후)
발표 전, 발제자는 Notion에 내용을 업로드</p>
</li>
<li>
<p>코드 스터디 : 파이썬 머신러닝 완벽가이드를 기본으로 이론 스터디에서 배웠던 내용을 적용</p>
</li>
</ul>
<h2 id="-교재">🔔 교재</h2>
<ul>
<li>파이썬 머신러닝 완벽가이드 (python 관련 교재)
<img src="/assets/img/2021_1_curriculum/mdb.PNG" /></li>
</ul>
<h2 id="-커리큘럼">🔔 커리큘럼</h2>
<p><img src="/assets/img/2021_1_curriculum/dm.PNG" /></p>
<h2 id="-세부-커리큘럼">🔔 세부 커리큘럼</h2>
<h3 id="a-statistical-modeling"><strong>[A] Statistical Modeling</strong></h3>
<p>👉 <strong>1. Linear Regression</strong></p>
<blockquote>
<p>Part 1. (3/2)</p>
<ul>
<li>Simple linear regression</li>
<li>Multiple linear regression</li>
</ul>
</blockquote>
<blockquote>
<p>Part 2. (3/9)</p>
<ul>
<li>Regression diagnostics</li>
<li>Variable transformation</li>
<li>Qualitative variable</li>
</ul>
</blockquote>
<blockquote>
<p>Part 3. (3/16)</p>
<ul>
<li>WLS</li>
<li>Correlated errors</li>
<li>Multicollinearity</li>
</ul>
</blockquote>
<p>👉 <strong>2. Logistic Regression (3/16)</strong></p>
<ul>
<li>concept of logistic</li>
<li>multinomial logistic regression</li>
<li>LDA, QDA</li>
</ul>
<p>👉 <strong>3. Regulariztion Method (3/23)</strong></p>
<ul>
<li>Ridge</li>
<li>Lasso</li>
<li>Elastic Net</li>
</ul>
<p>👉 <strong>4. Variable Selection (3/23)</strong></p>
<ul>
<li>Best subset selection</li>
<li>Forward stepwise selection</li>
<li>Backward stepwise selection</li>
</ul>
<p>👉 <strong>5. Sampling Method (3/30)</strong></p>
<ul>
<li>LOOCV</li>
<li>K fold CV</li>
<li>Bootstrap</li>
<li>Smote</li>
</ul>
<p>👉 <strong>6. Dimension Reduction (4/20)</strong></p>
<ul>
<li>PCA</li>
</ul>
<hr />
<h3 id="b-algorithmic-modeling"><strong>[B] Algorithmic Modeling</strong></h3>
<p>👉 <strong>1. Tree based Model(4/27)</strong></p>
<ul>
<li>Decision Tree</li>
<li>Random Forest (Bagging)</li>
</ul>
<p>👉 <strong>2. Boosting Method(4/27)</strong></p>
<ul>
<li>GBM, LGBM</li>
<li>XGboost</li>
</ul>
<p>👉 <strong>3. Stacking & 4. SVM (5/4)</strong></p>
<ul>
<li>kernel method</li>
</ul>
<hr />
<h3 id="c-unsupervised-learning"><strong>[C] Unsupervised Learning</strong></h3>
<p>👉 <strong>1. Cluster Analysis(5/11)</strong></p>
<hr />
<h3 id="d-project-518"><strong>[D] Project (5/18~)</strong></h3>
<ul>
<li>스터디 과정 중 경진대회 참여예정</li>
</ul>
<h2 id="많은-지원-바랍니다">많은 지원 바랍니다!</h2>2021년 1학기 데이터마이닝 스터디 커리큘럼 및 세부계획입니다[커리큘럼 안내] 2021_1학기 자연어처리 스터디 커리큘럼 및 세부계획2021-02-05T00:00:00+00:002021-02-05T00:00:00+00:00https://skku-tnt.github.io/2021/02/05/2021-1%ED%95%99%EA%B8%B0-%EC%9E%90%EC%97%B0%EC%96%B4%EC%B2%98%EB%A6%AC-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<ul>
<li><strong>2021년 1학기 자연어처리 스터디 커리큘럼 및 세부계획입니다</strong>
<!--more--></li>
</ul>
<h2 id="-스터디-소개">🔔 스터디 소개</h2>
<ul>
<li>
<p>이번 학기 저희 NLP(자연어처리)팀은 실전(대회, 프로젝트 등)에서 NLP를 활용할 수 있는 것을 목표로 진행합니다. 그렇지만 기초부터 천천히 모델 하나하나 살펴볼 예정이니, 크게 부담가지실 필요는 없습니다!</p>
</li>
<li>
<p>먼저 교재에 대해 말씀드리자면, NLP 관련하여 가장 최근에 출판된 책인 «<strong>한국어 임베딩</strong>»을 스터디 교재로 선정하였습니다. 실전에서 활용하려면 최신 모델과 그 내용을 숙지하는 것이 중요하다고 생각했기 때문입니다. 또한, ‘한국어 NLP’관련하여 가장 상세하게 ‘한국어로’ 설명되어 있습니다. 그렇기에 그동안 영어 NLP를 영어로 공부하신 분들에게도 도움이 될 만한 스터디가 되고자 합니다. 단, 교재에 딥러닝 부분의 설명은 거의 없습니다. 이러한 부분은 «<strong>딥러닝을 이용한 자연어 처리 입문</strong>»에서 필요한 내용만 보충할 예정입니다.</p>
</li>
<li>
<p>교재 공부를 끝마치면, 두 팀으로 나누어 3주동안 팀프로젝트를 진행합니다. 챗봇 개발, 기사/리뷰 분석 혹은 NLP 관련 대회 등 각 팀별로 주제를 선정하여 학기 말에 결과물을 내는 것을 목표로 합니다. 흐지부지되는 것을 막고자, 각 주차에 팀별 진행 현황을 브리핑합니다. 기말고사가 끝난 이후, 프로젝트 최종 결과물을 발표합니다.</p>
</li>
</ul>
<h2 id="-모집-대상">🔔 모집 대상</h2>
<ul>
<li>한국어 NLP에 관심이 있으신 분</li>
<li>NLP 관련 프로젝트를 해보고 싶으신 분</li>
<li>Python 기초 문법을 숙지하신 분</li>
<li>선형대수학, 통계학, 확률론, 뉴럴 네트워크 등의 Data Science 기초 지식이 있으신 분</li>
</ul>
<h2 id="-스터디-방식">🔔 스터디 방식</h2>
<ul>
<li>각 주차의 발제자가 해당 내용을 설명하며, 나머지 팀원은 예습&복습을 해옵니다</li>
<li>교재에 있는 코드는 모두 실행하여 봅니다. (ratsgo github 참고)</li>
<li>프로젝트 기간에는 팀별 진행 현황을 공유합니다.</li>
<li>반드시 프로젝트 결과물을 제출해야 합니다.</li>
</ul>
<h2 id="-교재">🔔 교재</h2>
<ul>
<li>한국어 임베딩(이기찬 저)
<img src="/assets/img/2021_1_curriculum/nlpb.PNG" /></li>
</ul>
<h2 id="-커리큘럼">🔔 커리큘럼</h2>
<p><img src="/assets/img/2021_1_curriculum/nlp.PNG" /></p>
<h2 id="-참고-사이트">🔔 참고 사이트</h2>
<ul>
<li>ratsgo blog : <a href="https://ratsgo.github.io/blog/categories/">https://ratsgo.github.io/blog/categories/</a></li>
<li>ratsgo github : <a href="https://github.com/ratsgo/embedding">https://github.com/ratsgo/embedding</a></li>
<li>딥러닝을 이용한 자연어 처리 입문 : <a href="https://wikidocs.net/book/2155">https://wikidocs.net/book/2155</a></li>
<li>CS224n@Stanford : <a href="https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6">https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6</a></li>
<li>Text Analytics@Korea : <a href="https://www.youtube.com/playlist?list=PLetSlH8YjIfVzHuSXtG4jAC2zbEAErXWm">https://www.youtube.com/playlist?list=PLetSlH8YjIfVzHuSXtG4jAC2zbEAErXWm</a></li>
</ul>
<h2 id="많은-지원-바랍니다">많은 지원 바랍니다!</h2>2021년 1학기 자연어처리 스터디 커리큘럼 및 세부계획입니다[커리큘럼 안내] 2021_1학기 컴퓨터비전 스터디 커리큘럼 및 세부계획2021-02-05T00:00:00+00:002021-02-05T00:00:00+00:00https://skku-tnt.github.io/2021/02/05/2021-1%ED%95%99%EA%B8%B0-%EC%BB%B4%ED%93%A8%ED%84%B0%EB%B9%84%EC%A0%84-%EC%BB%A4%EB%A6%AC%ED%81%98%EB%9F%BC<ul>
<li><strong>2021년 1학기 컴퓨터비전 스터디 커리큘럼 및 세부계획입니다</strong>
<!--more--></li>
</ul>
<h2 id="-스터디-소개">🔔 스터디 소개</h2>
<ul>
<li>머신러닝은 산업계를 정복했습니다. 우리는 첨단 기술의 상품, 웹 검색 결과의 순위, 스마트폰 음성 인식, 비디오 판독, 알파고와 같은 일들의 중심에 서 있습니다. 머지않아 머신러닝은 여러분의 차를 운전하기 시작할 것입니다.</li>
<li>따라서 머신러닝에 흥미를 갖고, 배우고 싶어 하는 것은 당연합니다. 센서, 생산, 금융 데이터를 가지고 있고, 데이터로 무엇을 할지 알고 있다면 당신은 숨겨진 보석을 캐낼 수 있을 것입니다. 우리는 머신러닝을 통해 지능을 갖춘 로봇을 만들 수도, 암을 검출해 낼 수도, 최선의 마케팅 전략을 찾을 수도 있습니다. 그 무궁무진한 활용방법 중에서, 컴퓨터 비전 팀은 이미지 데이터처리에 집중할 것입니다.</li>
<li>
<p>우리는 스터디를 통해, 선형 회귀와 같이 간단하고 아주 널리 사용되는 것부터 경연 대회에서 자주 우승을 차지하는 딥러닝 기법까지 많은 종류의 기술을 다룰 예정입니다. 교안은 “Hands on Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition ” 입니다. 위 책은 머신러닝과 딥러닝을 아우르는 방대한 내용을 담고 있으며 훌륭한 딥러닝 입문서로 정평이 나 있습니다. 우리는 이 교안에서 이미지 처리를 위해 필요한 부분만을 집중 학습할 것입니다. 또한 교재의 방향에 맞게 간단한 머신러닝 기법을 직접 구현하는 것 대신, 실제 프로젝트를 진행하는데 사용하는 프레임워크에 대한 학습을 진행하겠습니다.</p>
</li>
<li>학기 중 총 10번의 입회가 예정되어 있습니다. 교안으로 7번의 스터디를 진행하여 딥러닝과 컴퓨터 비전 기법을 익히고 난 후, 마지막 3번의 스터디에서는 개인 프로젝트를 진행합니다. 자율주행과 불량품 판별과 같이 산업 현장에서 Computer Vision이 어떻게 사용되는 지를 배우고, 직접 구현합니다. 모든 팀원은 매주 자신의 프로젝트 진행상황과 성과를 발표해야 합니다. 이렇게 해서 모든 스터디 커리큘럼을 마치면, 혼자 힘으로 딥러닝 프로젝트를 해결할 수 있는 실력과 결과물 모두를 가져가게 될 것입니다.</li>
</ul>
<h2 id="-머신러닝을-처음-접하시는-분들께">🔔 머신러닝을 처음 접하시는 분들께.</h2>
<ul>
<li>딥러닝이 머신러닝에서 가장 흥미진진한 분야임에는 의심의 여지가 없습니다. 하지만 기초적인 것을 먼저 마스터해야 합니다. 현재 대부분의 문제는 랜덤 포레스트나 앙상블 방법 같은 비교적 간단한 머신러닝 기법을 사용하여 해결할 수 있습니다. 딥러닝은 이미지 인식이나 음성 인식, 자연어 처리 같은 복잡한 문제에 가장 적합합니다. 탄탄한 지식은 물론 인내도 필요합니다.</li>
<li>그럼에도 불구하고, 여러분께서 머신러닝을 건너뛰고 컴퓨터 비전을 다루고 싶으시다면, 상당한 수준의 노력과 시간이 필요합니다. 고통과 좌절이 수반될 것입니다. 하지만 의지와 열정만 갖고 계시다면 제가 최선을 다해 성공을 거둘 수 있도록 도와드리겠습니다. 수학과 데이터과학 라이브러리에 대한 실력을 다지고 싶으신 분들을 위한 자료도 준비되어 있습니다. 물론 저도 함께 배워가는 중이기에 많이 부족합니다. 그렇기에 저는 가르치는 입장이 아니라, 함께 배우고 성장해 나가는 스터디를 만들고자 합니다. 계획된 스터디 커리큘럼과 수업진행에 관련된 사항을 올리며 글을 줄이도록 하겠습니다.</li>
<li>
<p>감사합니다.</p>
</li>
<li>컴퓨터 비전 팀장 이재우 올림.</li>
</ul>
<h2 id="-모집-대상">🔔 모집 대상</h2>
<ul>
<li>Computer Vision을 배워 자신만의 프로젝트를 추진할 수 있는 역량을 얻고 싶은 사람</li>
<li>기본적인 선형대수학, 미적분학, 확률통계에 대해 이해하고 있는 사람</li>
<li>Matplotlib, Numpy, Pandas와 친숙한 사람</li>
</ul>
<h2 id="-스터디-방식">🔔 스터디 방식</h2>
<ul>
<li>발제자는 TNT 유튜브에 이론 설명 영상과 코드를 구현한 영상을 업로드 합니다.</li>
<li>발제자 외 팀원들은 영상을 보며 내용을 숙지하고, 해당 챕터의 코드를 복기합니다.</li>
<li>발제자는 개념 점검 질문을 준비해 와 스터디 시간에 팀원들의 이해도를 점검합니다.</li>
<li>발제자는 스터디 시간에 진행할 머신러닝 예제를 선별해 옵니다.</li>
<li>스터디 시간 동안 서로 협력하며 과제를 해결합니다.</li>
<li>발제 및 학습에 불성실한 팀원에게는 5000원의 벌금을 부과합니다.</li>
</ul>
<h2 id="-교재">🔔 교재</h2>
<p><img src="/assets/img/2021_1_curriculum/cvb.PNG" /></p>
<h2 id="-커리큘럼">🔔 커리큘럼</h2>
<ul>
<li>
<p>입회는 매주 화요일 19:00이며, 세부내용 및 일정은 팀원들의 사정에 따라 조정 가능합니다.</p>
<p><img src="/assets/img/2021_1_curriculum/cvc.PNG" /></p>
</li>
</ul>
<h2 id="-개인-프로젝트-데이터-목록">🔔 개인 프로젝트 데이터 목록</h2>
<p><img src="/assets/img/2021_1_curriculum/cv1.PNG" />
<img src="/assets/img/2021_1_curriculum/cv2.PNG" /></p>
<h2 id="많은-지원-바랍니다">많은 지원 바랍니다!</h2>2021년 1학기 컴퓨터비전 스터디 커리큘럼 및 세부계획입니다