023. 오마이갓.. 오토인코더

오늘의 강의는 RNN과 Auto-Encoder를 배우는 것이었습니다.

정확히는 RNN과 Auto Encoder를 코랩에서 구현하는 것이었는데 아주 멘붕이 제대로 왔습니다..

CS231n에서 RNN에 대해 꽤 자세히 설명해줘서 전날에 복습했지만

파이썬으로 구현하는 일은 완전히 다른 일이었습니다.

다시 한번 아주 높은 벽에 부딪힌 기분이 듭니다.

 

어제 같은 과정을 참여하는 수강생들의 블로그들을 공유하는 기회가 있었습니다.

다른 사람들의 글들을 보니 나 혼자 꽤 많이 뒤처져있다는 느낌도 많이 들었습니다.

원래 계획은 과정 중에 배운 내용들을 포스트하는 식으로 운영할 계획이었습니다.

이런저런 핑계로 미루다 보니 딥러닝을 배우고 있는 순간에 회귀, 분류에 대한 글을 올리고 있습니다.

 

그리고 데이터 사이언티스트가 언젠가는 만나게 될 질문들..

데이터 사이언스 인터뷰 질문 모음집

질문들의 대답을 생각하다보니 제가 통계에 대한 기본 개념도 무척이나 부족하고

제일 심각한 건 배우고 넘아갔다고 생각한 것들도 머리에 거의 남아있지 않은 것입니다..

한 문장씩 답변은 가능한데 그렇게 답해서야 사이언티스트라 불릴 수 있겠느냐 이겁니다..

 

그래서 나름대로 계획을 생각해봤습니다..

늦었다고 마냥 넋을 놓고 있을 수는 없지 않겠습니까?

 

1. 일단 계획대로 머신러닝 워크플로우를 구현한 글까지 연재합니다.
2. 그날 배운 내용들은 책이나 유튜브, 블로그 등을 참고해 정리한 글을 올립니다.
3. 인터뷰 질문 모음집에 대해 고찰한 글을 올리며 현재 진도를 따라갑니다.

 

오늘 꽤 큰 충격을 받았기에 하루에 적어도 글 하나씩은 올리는 근성을 발휘해보겠습니다..

그리고 더불어 실력이 쌓이는 느낌이 들면 평소에 관심 있던 투자 등의 분야에 접목해보는 시도도 해보겠습니다.

아래 그림은 오토인코더를 표현한 그림입니다.

인풋 데이터를 코딩(Encoding and Decoding)으로 차원 축소된 형태로 출력하는 의미라고 보면 됩니다.

출처:https://gaussian37.github.io/dl-concept-autoencoder2/