목록전체 글 (80)
studio.heelab
교재: 자료구조와 알고리즘 with 파이썬 Ch01. Stack스택이란?자료의 입출력이 후입선출(LIFO)의 형태로 제한되는 자료구조스택 상단(stack top): 스택에서 열린 곳 항목 or 요소(element): 스택에 저장되는 것 스택의 활용 예: 웹 브라우저의 [이전 페이지로 이동] 추상 자료형추상화: 자료형의 자세하고 복잡한 내용 대신 필수적이고 중요한 특징 골라서 단순화시키는 작업. 주로 새로운 자료형 정의 시 수행추상 자료형(ADT): 추상화를 통해 정의한 자료형스택의 추상 자료형은 어떤 자료 다루고, 어떤 연산 필요한지 정의해 보는 것 스택의 연산push(e): 새로운 요소 e를 스택 맨 위에 추가pop(): 스택 맨 위 요소를 꺼내서 반환isEmpty(): 스택이 비어 있으면 true ..
교재: 자료구조와 알고리즘 with 파이썬 Ch02. Queue큐란?가장 먼저 들어간 자료가 가장 먼저 나오는 자료구조선입선출(FIFO)후단(rear): 삽입이 일어나는 곳전단(front): 삭제가 일어나는 곳 -시간이나 속도 차이 극복하기 위한 임시 기억 장치(버퍼)로 사용됨 큐의 연산enqueue(e): 새로운 요소 e를 큐의 맨 뒤에 추가dequeue(): 큐의 맨 앞에 있는 요소를 꺼내서 반환isEmpty(): 큐가 비어 있으면 true 아니면 false 반환isFull(): 큐 가득 차 있으면 true 아니면 false 반환peek(): 큐 맨 앞 요소 삭제 안하고 반환size(): 큐에 든 전체 요소의 수 반환오버플로 오류 - 포화 상태 큐에 enqueue() 연산 실행언더플로 오류 - 공백..
[DL for CV] Training CNNs and CNN Architectures
Lecture: https://www.youtube.com/watch?v=aVJy4O5TOk8&list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16&index=6 1. Building Blocks of CNNsComponents of CNNs Convolutional Layers: Filters (kernels) slide across the image, producing an activation map through dot products. The output depth must match the number of filters used, and the filter depth of the next layer must equal the preceding output's depth. Po..
[DL for CV] Image Classification with CNNs
Lecture: https://www.youtube.com/watch?v=f3g1zGdxptI&list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16&index=5 1. DL Fundamentals Recapmage Classification and Linear Classifiers: A method of defining input as a tensor and predicting class scores through a weight matrix $W$.Loss Functions: Measures how well the model fits the data using functions such as Softmax or SVM.Optimization: Utilizes algorithms lik..
[DL for CV] Neural Networks & Backpropagation
Lecture: https://www.youtube.com/watch?v=25zD5qJHYsk&list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16&index=4 1. Basic Structure of Neural Networks Neural networks: the original linear classifier -> 2layers Multi-layer Structure: Beyond a single linear layer (W x X), neural networks are constructed by stacking multiple layers, such as W_2 x max(0, W_1 x X). Hidden Layers: Intermediate neurons learn spe..
[DL for CV] Regularization & Optimization
Lecture: https://www.youtube.com/watch?v=dyNGd06MWn4&list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16&index=3 1. RegularizationAdding an extra term to the loss function to prevent the model from overfitting to the training data. The goal is to improve performance on unseen test data (generalization) even if it slightly reduces training performance. hyperparameter (Lambda): A value that controls the stren..