[스나이퍼팩토리] 한컴AI아카데미 16주차

 

 

1. Keras

• 정의:
  TensorFlow 기반의 고수준 딥러닝 API로, 신경망 모델을 직관적이고 간단하게 구현할 수 있도록 설계됨.
• 특징:
  • 코드가 간결하고 직관적이며 초보자 친화적임
  • 빠른 프로토타이핑이 가능함
  • 기본적인 딥러닝 모델은 코드 몇 줄로 구현 가능
• 핵심:
  모델 생성 방식은 Sequential 모델과 Functional API 두 가지가 있음.
  전자는 간단한 순차 구조에 적합하고, 후자는 복잡한 네트워크(다중 입력/출력 등) 구성에 유리함.

 

2. PyTorch

• 정의:
  Facebook에서 개발한 딥러닝 프레임워크로, 동적 계산 그래프를 기반으로 함.
• 특징:
  • 학습 중 네트워크 구조 변경이 가능함 (유연함)
  • 디버깅이 쉽고 직관적인 실행 흐름 제공
  • 연구 및 논문 구현에 널리 사용됨
• 핵심:
  텐서(Tensor) 연산이 NumPy와 유사하고 GPU 사용이 간단함.
  기본 구조는 Dataset, DataLoader, Model, Loss, Optimizer 등으로 구성됨.

 

3. CNN (Convolutional Neural Network)

• 정의:
  이미지, 영상 등 시각적 데이터를 분석하는 데 특화된 신경망 구조.
• 구성 요소:
  • Convolution Layer: 이미지의 특징(엣지, 패턴 등)을 필터를 통해 추출
  • Activation Function (e.g., ReLU): 비선형성 추가
  • Pooling Layer: 특징 맵의 크기를 줄이며 중요한 정보만 유지
  • Fully Connected Layer: 최종 출력값 도출 (분류 등)
• 활용 사례:
  이미지 분류, 얼굴 인식, 자율주행 차량의 객체 인식 등
• 핵심:
  Convolution → Pooling → FC layer 구조가 일반적이나, 다양한 변형 모델 존재 (e.g., ResNet, VGG 등)

 

4. 느낀 점 

• 개념적으로는 Keras와 PyTorch의 기본적인 차이점을 이해했으며, CNN의 구조와 처리 방식을 파악함.
• 실습을 통해 Keras와 PyTorch 각각으로 간단한 이미지 분류 모델을 직접 구현해보는 것이 필요함.
• 추후 학습 주제:
  • Keras와 PyTorch를 활용한 MNIST 이미지 분류 실습
  • CNN 응용 모델(VGG, ResNet 등) 구조 비교
  • 데이터 전처리 및 augmentation 개념 학습

 

 

 

 

그리고 일요일(5/18)에 정처기 필기 시험 봤는데 합격했소이다~ 뿌듯 > < 역시 나야~~!!

공부법은 기출 돌려라~ ! 

나 했으니까 님도 가능~

 

 

 

본 후기는 [한글과컴퓨터x한국생산성본부x스나이퍼팩토리] 한컴 AI 아카데미 (B-log) 리뷰로 작성 되었습니다.