AI 개념정리

1. 서론

예전부터 최신 인사이트를 좀 따라가고 싶었는데 어디서부터 손을 대야할 지 막막했는데 23년 가을학기 홍승훈교수님의 딥러닝개론(CS492) 수업을 듣고 뭔가 틀이 잡힌 것 같아 지금이라면 할 수만 있을 것 같은 생각이 들었다.
또 캐글이나 이런 대회들을 보면 아직 클래식컬한 방법들이 잘 먹히는 문제들이 많은 것 같은데, 이쪽은 23년 봄학기 박찬영 교수님의 통계적 기계학습(IE343)을 토대로 정리해 볼 예정이다.

2. 본론

일단 배운 것 들을 대분류를 해보자면,
이건 IE343 내용이고,

• Linear Regression
• K-Nearest Neighbors (KNN)
• Logistic Regression
• LDA / QDA
• Resampling Methods(Validation set approach, Cross-validation, Bootstrap)
• Linear Model Selection and Regularization(Subset Selection, Shrinkage Methods, Dimension reduction,Considerations in High Dimensions)
• Polynomial regression, Step functions, Regression splines, Smoothing splines, Local regression, Generalized additive models
• Tree-based Methods(Decision Trees, Bagging, , Random Forest, Boosting)
• Support Vector Machines (SVM)
• PCA, Clustering Methods
• Deep Learning(DNN, CNN, RNN, Self-supervised Learning, GNN)
  
  

이건 CS492 내용이다

• Convolutional Neural Networks (CNN)
  • Image classification
  • Object detection
  • Semantic segmentation
  • Visualization
  • Style transfer
  • Adversarial attacks
• Recurrent Neural Networks (RNN)
  • Text modeling
  • Machine translation
  • Image captioning
  • Visual question answering
• Deep generative models
  • Image generation
  • Text generation
  • Img-to-img translation
• Advanced topics
  • Attention and versatile networks
  • Self- and Semi-supervised learning
  • Multi-modal learning
  • Graph neural networks

중간중간 뼈대는 최대한 유지한 채로 논문이나 코드가 완성되면 갖다 붙이면서 완성해볼 작정이다.

3. 결론

할게 너무 많아 보이지만 일단 해보자고