본문 바로가기
반응형

딥러닝 with Python154

[딥러닝 with Python] Self-Supervised Learning (3) : 불변성(Invariance)을 활용한 자기지도학습(Self-Supervised Learning) - 비대조학습(Non-Contrastive Learning)을 중심으로 이번 포스팅은 SSL(Self-Supervised Learning, 자기지도학습)에 대해서 알아보는 포스팅의 시리즈입니다. 지난번에 알아본 방법들은,  * Pretext task[딥러닝 with Python] Self-Supervised Learning (1) : Pretext Task [딥러닝 with Python] Self-Supervised Learning (1) : Pretext Task1. Self-Supervised Learning(SSL)이란?- SSL(자기지도 학습)은 레이블 없이 데이터를 학습할 수 있는 대표적인 학습기법으로, 최근 AI연구에서 큰 주목을 받고 있는 방법입니다. - 특히 딥러닝 모델이 사전jaylala.tistory.com * Contrastive Learning(대조학습.. 2025. 3. 6.
[딥러닝 with Python] EBM(Energy-Based Model) 이해 : 확률을 에너지로 바꾸기 머신러닝에서 데이터를 모델링하는 방법은 다양합니다. 일반적으로 확률 모델을 사용해 데이터가 특정 분포를 따른다고 가정하고 이를 학습하하지만, 특정 확률 분포를 명확히 정의하기 어려운 경우에 오늘 알아볼  EBM(Energy-Based Model) 을 사용할 수 있습니다. EBM은 확률을 직접적으로 다루지 않고, "에너지"라는 개념을 활용해서 데이터를 평가하는 방식인데요. 이 개념을 바탕으로 대조학습(Contrastive Learning)이 등장하게 되었습니다.Contrastive Learning 기초 : EBM, NCE, InfoNCE Contrastive Learning 기초 : EBM, NCE, InfoNCE이번에 알아볼 것은 Contrastive Learning에서 핵심 개념인  EBM(Energy.. 2025. 3. 5.
[딥러닝 with Python] Self-Supervised Learning (2) : 대조학습(Contrastive Learning) 이번에는 자기지도학습(Self-Supervised Learning, SSL)의 방법 중  대조학습(Contrastive Learning)에 대해서 알아보고자 합니다.  1. 대조학습(Contrastive Learning)이란?- 대조학습은 유사한 데이터(Positive Sample)는 가깝게, 다른 데이터(Negative Sample)는 멀어지도록 학습하는 방법을 말합니다. - 대조학습의 핵심 원리는 1) 데이터 증강(Augmentation)을 통해서 Positive / Negative Pair를 생성 * 하나의 이미지를 다양한 변형(Crop, Rotation, Color Jittering 등)하여 Positive Pair를 생성해줍니다. * 서로 다른 이미지는 Negative Pair로 설정합니다. 2.. 2025. 3. 3.
[머신러닝 with Python] Prophet 모델 구현하기(시계열 예측) / Peyton Manning 웹 트래픽 데이터 활용 / [Google 코랩] 이번에는 지난 포스팅에 이어서 Prophet 모델에 대해서 알아보겠습니다. 지난번 포스팅에서는 주로 Prophet 모델과 라이브러리에 대해서 개념적으로 알아보았는데요[머신러닝 with Python] Prophet 모델 알아보기(시계열 예측) [머신러닝 with Python] Prophet 모델 알아보기(시계열 예측)이번에는 시계열 예측(Time Series Forecasting) 모델 중 라이브러리 형태로 쉽게 구현 가능하면서도 효과적인 Prophet  모델에 대해서 알아보겠습니다. Prophet은 (구) Facebook ( 현: Meta) 에서 만든 시계열jaylala.tistory.com  이번에는 실제 데이터를 활용해서 모델을 구현해보도록 하겠습니다. 1. Peyton Manning 웹 트래픽 데이.. 2025. 3. 2.
반응형