Multi-label Classfication 관련 자료 조사

IT trend 보고서 작성

지난주에 다녀온 2018 국제 인공지능 대전에서 조사한 내용과 관련 자료들을 약식으로 정리를 완료했다. 생각보다 많은 회사, 연구소와 면담을 가져서 각각의 특이점과 공통되는 부분만 요약하는 식으로 마무리를 지었다.

• 컴퓨터비전과 자연어처리가 8, 나머지가 2정도의 비율을 차지

• 딥러닝에서 CV를 접목하기 위해선 Class CV 지식 습득이 필수요소

• 학사로도 지원가능한 곳이 있음 (※ 실제로 채용사이트에서도 많았음)

  ☆ 하지만 학사로 과연 어느선까지 개발/연구를 할 수 있을지 에 의문 필요

• low level의 CV와 머신러닝 알고리즘을 알고 있어야 데이터별 적합한 접근법이 도출.

졸업까지 남은 6개월은 시점에서 얼마나 실전식 프로젝트, 지식을 쌓을 수 있을지 모르겠으나 공통 필수요건은 OS 전체 이해도, Algorithm 구현으로 보인다.

Data Extract & Make Data set

현재 인턴중인 회사에서 진행중인 프로젝트의 data에 대해 분석할 수록 딥러닝 모델보다 데이터 수집단계의 고충을 알아가고 있다.

• Img에서 기본적인 CV 용어 및 알고리즘
• python lib로 적합한 데이터 추출
• 목표에 적합한 label 제작 과정

특히나, Img에 특정 객체에 대한 Bounding Box GT가 없다보니 label을 직접 제작해야한 과정부터가 난관이었다. 양도 많을 뿐더러 CV 알고리즘 선지식이 부족해 제대로 접근해 가는지도 의문이었다. 현재는 선임분들과의 피드백을 통해 어느정도 방향은 맞게 가고있다. (다만 제작과정이 너무나 노가다…)

하반기 계획(7~12월)

앞서 실무에서 겪고있는 데이터 처리 능력 부족에 하반기 계획을 약간 수정해야함을 느꼈다.

남은 방학 동안(약 6주)에는

• 머신러닝 알고리즘 및 딥러닝 데이터 처리 관련 학습(4주)(병행)
• OS study(Linux 기반)(4주)(병행)
• ACM study(python, C++)(6주 병행)
• Java review –> Simple 프로젝트(10일 단독)
• 카카오 code festibal 참가

위주로 진행을 하려한다.

아쉬운 점은 영어실력에 따라 paper understanding이 달라지기에 원래는 영어부터 완료하려 했다. 하지만 실질적인 개발부분에 쓰일 알고리즘을 더 공부하기로 방향을 바꾸었고 교재는 핸즈온 머신러닝과 머신러닝 실무 프로젝트로 진행할 생각이다(물론 이 책들은 머신러닝관련).

카카오 code festibal은 실제 codeing interview를 고려해서 풀어보려 한다. 기간도 얼마 남지 않아서 잘 할지는 모르겠으나 백준이랑 코딩 인터뷰로 공부 진행 중이다.

마지막 학기(약 12주)에는

• 영어 (TOFLE 90 > )
• ACM study(C++, python 병행)
• 졸업 프로젝트(CV+DL)
• Review & Summary (DB, 자료구조, OS) –> 취준

생각보다 하반기는 학교생활엔 여유가 있어보인다. (캡디2, 졸논만 들으면 됨) 상황봐서 채용형 인턴을 할 생각이라 이거 관련해서는 담당자와 상담하고 결정해야겠고 실제로 가게 되도 부족한 부분까지 커버해서 성장할지가 의문이다.(자신의 위치를 다시끔 알게됐기에…)
방학 막바지에 예전 인턴하면서 지냈던 지인과 학교 교수님들과 상담을 가져볼 계획이다.