도광양회(韜光養晦)

사전 지식: c는 어느정도 할줄 아는 상태 - 첫번째 실기 시험에서 따로 공부를 하진 않았지만 c는 다 맞춤, 자바 python 거의 다 틀림 / 컴퓨터에 대한 얇고 넓은 지식이 있는 수준, 대학교 수업을 들어보진 않았지만 1학년 ~ 2학년 수준정도였던 것 같다.순공부 시간: 필기 7시간, 실기 30시간 필기는 과년도 5년 정도 기출문제만 외워서 갔고 74~5점 정도로 합격했었다. 정보처리기사 실기의 경우 코딩 문제가 8 ~ 12 문제 정도 나오는것으로 분석을 했고 첫번째 실기 시험을 칠 때 코딩을 공부하지 않고 단답형이나 sqld를 다 맞춘다는 생각으로 과년도 5년치를 외우고 시험을 봤는데 45점으로 불합격했다.이후 2회차에서 인프런 주말코딩 강의를 보고 코딩을 공부해서 합격할 수 있었다. 두번의 시험..

ADSP 합격후기사전 지식: 노베이스순공부 시간: 4시간 대치중학교에서 시험을 쳤고 9시30분까지 입장인데 지각해서 9시 50분에 입실을 했다. 다행히 문제지 배부전에는 시험을 치게 해줘서 무사히 마무리할 수 있었다. adsp의 경우 수험료가 5만원 상당의 거금이기 때문에 한번에 합격할 각오를 가져야 한다. 금요일 퇴근하고 고시텔에서 책보다가 시험치러 갔다. 흔히 말하는 미어캣 이라는 책으로 공부를 했고 장점이 모바일 앱이 있어서 그걸로 이동시간 동안 기출을 계속 본게 도움이 많이 되었다. 그리고 유튜브 아답터라는 채널을 봤었는데 되게 정리를 잘해주셔서 도움이 많이 되었다. 1과목, 2과목에 시간을 많이 투자했는데 생각보다 1, 2과목은 상식문제 느낌이어서 3과목이 가장 중요하다.https://produ..

사전 지식: 고등학생 땐 학교수업은 성실히 들었었다, 국사는 중학교 때 한국사 1급을 딴 적이 있음, 컴퓨터 공학이나 코딩은 42라는 교육 프로그램에서 약 1년간 학습을 했었어서 덕분에 c나 객체지향 등 프로그래밍 영역은 공부를 안하고 갔다. 순공부 시간: 1단계 4일, 2단계 1.5일 독학사는 일년에 4번 시험을 모두 통과하면 학위를 수여하는 제도로 단계별로 학점은행제에 이용할 수 있기 때문에 많은 사람들이 응시한다, 1과목은 공통 교양과정이며 2,3,4과목은 전공별로 다르게 시험을 친다. 독학사 1단계 후기 60점만 넘으면 통과인 전형적인 k-자격증식 시험이다, 40문항으로 구성되어 있으며 24문제 이상 맞추면 합격이다. https://www.coupang.com/vp/products/84092899..

학점은행제를 선택한 이유대한민국에서 대학교 학위를 취득하기 위한 방법은 여러가지가 있는데 표준 4년제 대학교 외에는 독학사, 학점은행제, 사이버 대학, 방통대가 있다. 그 중 내가 학점은행제를 선택한 이유는 여러 방법들 중에 가장 쉽고 효율적이라고 생각했고 지금도 그 생각은 변하지 않고 있다, 단 학점은행제는 위의 열거한 항목 중 학위 취득이 필요한 사람에게만 의미가 있으며 이것으로 공부를 하는 목적은 어울리지 않는다고 생각한다. 정말 빠르게 진행한다면 6개월 안에도 학사 학위를 취득할 수 있다. 실제로 글쓴이는 1년이 걸렸고 그 중 학점은행제에 투입한 시간은 정말 많지 않다, 혹은 시간을 투입하더라도 자격증과 같이 실리를 챙길 수 있는 부분이다. 대한민국에서 살면서 학위가 필요할 때가 많다, 가장 큰 ..

1. 앙상블 앙상블은 여러개의 개별 모델을 결합하여 과적합을 감소시키고 성능을 촉진하는 방법이다. 2. bagging 배깅 앙상블은 bootstrap aggregating의 약자로 bootstrap의 집합을 의미한다. input data를 여러개의 bootstrap으로 쪼개서 개별 학습한 뒤 결합하여 최종 모델을 구축하는 방법이다. import torch import torch.nn as nn import torch.optim as optim import torchvision.datasets as datasets import torchvision.transforms as transforms from torch.utils.data import DataLoader from sklearn.metrics imp..

1. backbone network 백본은 detection, segmentation 등의 인공지능 모델에서 입력데이터로부터 특징 추출을 수행하는 부분이다. 백본은 모델의 사전학습된 가중치를 가지며 백본 네트워크의 성능에 따라 학습속도와 정확도에 영향을 미친다. 2. transfer learning 전이 학습은 미리 학습된 모델을 사용하여 새로운 작업에 사용하는 것을 의미한다. 하나의 모델의 데이터를 구하고 학습을 진행하는데 많은 자원과 환경낭비를 초래할 수 있다. 따라서 많은 사람들이 인공지능 모델의 공개에 찬성하고 있으며 전이학습은 미리 학습된 모델들을 백본으로 사용하여 작업의 목적에 맞게 변경하여 사용하는 것이다. import torch import torch.nn as nn import torch..

1. drop out 드롭아웃은 과대적합을 방지하기 위한 방법이다. 은닉층의 유닛의 일부분을 동작하지 않게 함으로써 랜덤 하게 일부 노드들을 사용하지 않는다. 드롭아웃을 진행하면 노드를 제거하기 때문에 특정 데이터에 대해서 과적합되는것을 막을 수 있다. 또한 일반적으로 미니배치로 학습하게 되면 학습할 때마다 조금씩 다른 가중치로 학습하기 때문에 앙상블 효과를 얻을 수 있다. import torch import torch.nn as nn import torch.optim as optim import torchvision.datasets as datasets import torchvision.transforms as transforms class DropoutNet(nn.Module) : def __init..

1. CNN import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision.datasets import MNIST from torchvision import transforms import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1 import make_axes_locatable import os os.environ["KMP_DUPLICATE_LIB_OK"] = "True" device = torch.device("cuda" if torch.cuda.is_available() else "cpu") cl..

1. stride conv import torch import os from torch import nn import matplotlib.pyplot as plt os.environ["KMP_DUPLICATE_LIB_OK"] = "True" input_data = torch.randn(1, 1, 28, 28) conv = nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3, stride=2, padding=1) output = conv(input_data) print(output.shape) plt.subplot(1, 2, 1) plt.imshow(input_data.squeeze(), cmap="gray") plt.title("input") plt.sub..

1. ann import torch import torch.nn as nn class ANN(nn.Module): def __init__(self, input_size, hidden_size, output_size): super(ANN, self).__init__() self.fc1 = nn.Linear(input_size, hidden_size) self.relu = nn.ReLU() self.fc2 = nn.Linear(hidden_size, output_size) def forward(self, x): out_by_input_hidden = self.fc1(x) out_by_relu = self.relu(out_by_input_hidden) out_by_hidden_output = self.fc2(..