[공학 박사 일기장] 인생 여행 이야기

연휴를 맞아 파이썬 실습을 진행했다. 이전에는 단순히 파이썬 개발환경만 셋팅해서 간단한 종류의 Machine Learning을 해보았다면, 지금은 Deep Learning을 다루기 위해 텐서플로우 와 GPU 관련된 세팅을 잡아주기로 했다. [1] 본인 컴퓨터 개발 환경 - Window 10 64-bit - Python: 3.7.9 - GPU: 1060 GB [2] Tensorflow 명령어 1줄: pip install --upgrade tensorflow-gpu 참고) -gpu를 붙이는 이유는 그래픽 카드를 사용하겠다는 의미이다. (참고한 블로그: https://kindtis.tistory.com/602) 그 이후에 내가 무슨 버전을 설치했는지 확인할 수 있다. 명령어 2줄: import tensorfl..

모처럼 연휴를 맞아 파이썬 실습을 해보았다. "optuna"라는 최적화 패키지를 소개한다. 링크: https://optuna.readthedocs.io/en/stable/index.html [1] 최적화의 목적 인공지능을 통한 서로깃 모델 (혹은 모델 차원축소)링을 했다면 (이전 Pycaret 패키지 참조), https://jinsustory.tistory.com/229?category=866244 https://jinsustory.tistory.com/230?category=866244 그 이후에는 모델링의 컴퓨터 연산시간 감소 이점을 부각하기 위하여 (혹은 어플리케이션 목적) 최적화를 많이들 쓰곤 한다. 오늘은 Optuna 패키지를 사용하여 내가 다룬 시스템에서의 optuna 패키지에서 결과를 얻었던..

장미를 그리는 코드가 있길래 재미삼아 한번 그려봤다. :) 구글링으로 소스코드는 쉽게 구할 수 있으니 참고 일하기 싫음을 온몸으로 표현하는 중이다

종종 FIGURE 작업을 하다보면, 코드 상태에서 바로 논문용 FIGURE를 뽑아야 할일이 생긴다. 나는 rgb.m을 많이 사용하는편인데, 색깔별 명칭이 잘 나와있어서 가져와 봤다. (본인이 참고할 용도..) mFile은 Mathwork 홈페이지에 공개되어있다. (링크: https://kr.mathworks.com/matlabcentral/fileexchange/24497-rgb-triple-of-color-name-version-2?tab=discussions)

프로그래밍 작업을 하다보면 종종 (꽤나 드물게) 내가 만든 코드가 쓸모가 있어서, 이것을 남들에게 배포해야 할 일이 생긴다. MATLAB에서는 배포를 위해 Standalone EXE 파일을 제작할 수 있도록 지원한다. 원리는 간단하고, APP PACKAGING에 대해 잘 다뤄져있는 유튜브 영상 두 개가 있어서 가져와보았다. 1. MATLAB standalone EXE 파일 만들기: https://www.youtube.com/watch?v=ONf-6-G74CQ 2. Excel 사용자를 위한 MATLAB 활용 기법: https://www.youtube.com/watch?app=desktop&v=yzjS2NzrbkY (42분 37초부터) PYTHON에서도 역시 Deployment라는 키워드로 꽤나 많은 정보를..

MATLAB에서 피규어작업을 할 때 필요한 여러가지 기호에 대한 명령어이다. 종종 찾아보게 되어 가져와보았다. 원 출처: https://kr.mathworks.com/help/matlab/creating_plots/greek-letters-and-special-characters-in-graph-text.html

Pycaret 패키지를 실습하는 과정을 이어서 적어본다. 1탄에서는 패키지에 대한 기본적인 개념부터해서 Setup (머신러닝 예측) -> Compare (성능 결과 확인 및 각 모델 별 비교) -> Create (가장 우수한 모델 선택) -> Tune (하이퍼파라미터 미세 조정을 통한 성능 향상) 까지 알아보았다. 그 이후 단계에 대해서 마저 적어본다. [2.6] Ensemble - 한글로는 앙상블. 한 마디로 여러 개를 섞어서 성능 예측성을 높이고, 모델의 강건성을 높이고, 과적합을 막기 위해 적용한다. - 일반적으로 decision tree에서 여러 가지를 결합하여 weak classifier를 strong classifier로 만들기 위함이다. - 여기에 두 가지 기법이 소개되었다. [2.6.1] ..

약 4개월 정도 공동연구를 진행했었던 토픽이 잘 마무리 되었다. 공학 문제를 해결하기 위하여 인공지능을 적용했었는데, 결과가 잘 나왔고 논문 작성도 마무리가 되어서 곧 투고 예정이다. Machine-learning을 활용한 surrogate modeling이 주제이고, 내가 가지고 있는 도메인 지식과 현상학적인 발견을 머신러닝을 통해서 잘 구현했고, 이를 통해 새롭게 결과를 도출하였었다. 결과를 정리하는 과정하고, 파이썬 코드를 복귀하면서 이를 기록해두려고 한다. 파이썬을 다룬지 아직 반년도 되지 않아, 굉장히 기초적인 것 밖에 모른다. 내가 사용하였던 패키지 위주 및 유용했던 명령어를 정리해본다. [1] 패키지 불러오기 & 엑셀 불러오기 [1.1] import pandas as pd - pandas: ..