인공지능 학습 한 달의 회고와 프로젝트 진행

인공지능을 공부한 지 한 달이 지나가고 있습니다. 그동안 쌓아온 지식과 경험을 바탕으로 이번 주차 진행 과정을 정리해 보려고 합니다. 시간이 빠르게 흘러가며 느끼는 성취감과 동시에 부족함이 공존하는 하루하루였습니다.

 

👉 ✅ 상세 정보 바로 확인 👈

 

1주차 학습 내용 정리

1. 객체지향 프로그래밍과 클래스

1월 25일 월요일에는 객체지향 프로그래밍(OOP)에 대해 배웠습니다. 파이썬에서 클래스는 모든 객체의 기반인 object 클래스를 상속받고 있으며, 클래스는 변수 할당 및 object id 부여의 책임을 집니다. 이를 통해 인스턴스 함수와 메소드 설정 방법을 익혔습니다. 프로젝트 진행 중 클래스 구조에 대한 궁금증이 해소된 부분이었습니다.

2. 뉴럴 네트워크의 이해

같은 날, CS231 강의에서 Fully Connected Layer(FC Layer)에 대해 학습했습니다. 모든 노드가 서로 연결되는 구조를 이해하고, 활성화 함수와 softmax를 통해 데이터를 분류하는 방법을 배웠습니다. 딥러닝 스터디를 통해 비슷한 주제를 다루다 보니 강의의 이해도가 높아졌습니다.

 

👉 ✅ 상세 정보 바로 확인 👈

 

2주차 프로젝트 진행

1. 닮은 연예인 찾기 프로젝트

1월 26일 화요일, 인공지능을 이용해 나와 닮은 연예인을 찾는 프로젝트를 진행했습니다. 이미지 인식을 통해 얼굴 영역을 추출하고 임베딩 벡터를 기반으로 유사도를 측정하는 방식으로 진행되었습니다. 스노우 어플리케이션의 효율적인 이미지 인식 기능에 감명을 받았고, 나도 이런 프로그램을 만들어보고 싶다는 열망이 생겼습니다.

2. 포켓몬 데이터 분류

1월 27일 수요일에는 포켓몬을 소재로 데이터 분류 작업을 했습니다. 전설 포켓몬과 일반 포켓몬을 구분하는 과정에서 다양한 특성들을 활용했습니다. 어린 시절의 추억을 떠올리며 재미있게 진행할 수 있었습니다.

3주차 심화 학습 및 프로젝트

1. 클래스 심화 학습

1월 28일 목요일, 코딩 마스터 수업에서 클래스 구조를 심도 있게 배웠습니다. 직접 클래스를 만들어보며 다양한 접근 방식을 시도했습니다. 퍼실님의 도움을 받으며 인스턴스 객체와 메소드를 설정하는 과정에서 많은 것을 배웠습니다.

2. 영화 추천 시스템 프로젝트

같은 날, 영화 추천 시스템을 구축하는 프로젝트를 시작했습니다. 기존 데이터에 내가 좋아하는 영화를 추가하여 비슷한 영화를 추천하는 시스템을 만드는 것이 목표입니다. 추천 시스템의 발전에 따라 나의 신뢰도가 높아졌습니다.

4주차 비지도 학습에 대한 이해

1. 비지도 학습

1월 29일 금요일, 비지도 학습의 개념을 배웠습니다. 정답 레이블 없이 데이터를 분석하는 이 방법은 클러스터링과 차원 축소로 나뉘며, K-means와 PCA 등의 기법을 통해 데이터를 그룹화할 수 있습니다. 지도 학습에만 집중했던 터라 새로운 학습 방식이 흥미롭게 느껴졌습니다.

자주 묻는 질문

질문1: 객체지향 프로그래밍의 주요 개념은 무엇인가요?

객체지향 프로그래밍은 클래스를 기반으로 하여 데이터와 메소드를 하나의 객체로 묶는 프로그래밍 패러다임입니다. 이를 통해 재사용성과 코드의 구조화가 용이해집니다.

질문2: 비지도 학습의 장점은 무엇인가요?

비지도 학습은 데이터에 대한 사전 정보 없이도 패턴을 발견할 수 있어, 새로운 인사이트를 도출하는 데 유용합니다. 일반적으로 대량의 데이터에서 유용한 정보를 추출하는 데 도움을 줍니다.

질문3: 영화 추천 시스템의 기본 원리는 무엇인가요?

영화 추천 시스템은 사용자의 과거 행동 데이터를 기반으로 유사한 영화를 추천합니다. 이를 위해 Collaborative Filtering 또는 Content-based Filtering 방법을 사용할 수 있습니다.

질문4: 클래스의 주요 구성 요소는 무엇인가요?

클래스는 속성(변수)과 메소드(함수)로 구성됩니다. 속성은 객체의 상태를 나타내고, 메소드는 객체가 수행할 수 있는 행동을 정의합니다.

질문5: 딥러닝의 주요 용도는 무엇인가요?

딥러닝은 이미지 인식, 자연어 처리, 자율주행차 등 다양한 분야에서 활용됩니다. 복잡한 데이터를 처리하고 패턴을 인식하는 데 강력한 성능을 발휘합니다.

질문6: 추천 시스템의 발전 방향은 무엇인가요?

추천 시스템은 개인화된 경험을 제공하기 위해 머신러닝과 인공지능 기술의 발전과 함께 계속 진화하고 있습니다. 사용자 피드백을 반영하여 추천의 정확도를 높이는 방향으로 발전하고 있습니다.

이전 글: 카드포인트 통합조회 시스템으로 효율적인 포인트 관리하기