전체 글21 스타트업 PO 3개월 근무 후기 사업하고 싶다. 직무 전환해야겠다. PO 로써 근무해보자. 라고 글 쓴 이후 PO 로 정말 취업했다. (이왜진 ;;;) 이곳 저곳 PO 직무 이력서 뿌리고 모두 서류 광탈하고 무너진 멘탈을 회복하고자 여행을 떠났다.15일간 여행을 떠났는데 여행의 마무리 쯤 한 스타트업으로부터 PO 직무 제안 연락을 받았다.아마도 이력서 올려둔 한 구인구직 사이트에서 보고 연락한 것 같다. (추측이다. 그러지 않고서야 나의 개발자 링크드인 이력을 보고 PO 로 연락했을리 없다. 절대로...) 정말 일사천리로 바로 면접 보고 바로 합격했다.(이때 도망쳤어야 했나, 싶긴 한데, 이미 늦었다.) 내가 기존에 다녀본 적 없는 완전한 스타트업이었다.제품 첫 출시일은 만 1년 반 전이다.겨우 MVP 단계이고 (사실 이것도 아니지만,.. 2024. 12. 15. 새로운 직무 도전 - 왜 직무전환 하고 싶은가? 현재 완전 비상사태이다. 아니 내 예상과는 다르게 생각보다 Product Manager (PM) / Product Owner (PO) 채용에서 처참히 떨어지고 있다. 왜지? 면접을 잘 봤다고 생각했는데 떨어진 경우도 있고, 그냥 사전 인터뷰 (커피챗) 에서 떨어진 경우도 있다.나의 문제점이 무엇일까? 직무에 대한 이해도가 너무 낮은걸까?직무에 대한 정보는 인터넷, 그리고 책을 통해서 배웠다.PM / PO 에 대한 책을 사서 읽었다.현실과 다른걸까 아니면 내가 중요하다 생각한 부분들이 다른걸까?뭘 잘못 파악하고 있는걸까? 생각보다 이 일을 시작하고 충분한 경험을 하기까지의 시간이 좀 걸릴 것 같다.그렇다면 이 일이 그만큼의 시간을 투자할 만한가? 이 직무 경험이 나에게 얼마나 중요할까? 왜 직무전환 하고.. 2024. 8. 7. ARIMA 와 나머지들 0. 계기수업을 듣고 있는데 이거 너무 너무 어려워요.수업은 듣고있는데 머릿속에 아무것도 들어오지 않아요. 흑흑그래서 일단 구글이랑 챗GPT 키고, 수업 들으면서 정리합니다.작성하고 있는 이 순간에도 너무 어렵습니다ㅓㄹ이ㅏㅁㄴ후ㅏㄱㄴㅇ루허ㅏㅜㅁ0-1. 시계열시계열 구성 요소추세(Trend)데이터가 장기간 증가하거나 감소하는 영향계절성(Seasonality)일정한 주기로 반복되는 주기적인 패턴e.g. 한 해 동안의 계절적인 변동이나 월간 패턴주기성(Cycle)일정한 주기계절성과 달리 규칙적이지 않을 수 있음잡음(Noise)불규칙하고 예측하기 어려운 무작위한 변동시계열 데이터에서 발생하는 랜덤한 오차 혹은 불규칙성을 나타냄시계열 분석에서는 위와 같은 구성 요소들을 분리하고 모델링하여 데이터의 패턴을 이해, .. 2024. 8. 1. Dropout: A Simple Way to prevent NN from Overfitting 0. IntroDropout 의 기법에 대해 서술한 논문을 리뷰합니다.출처: Journal of Machine Learning Research 2014링크: https://jmlr.org/papers/volume15/srivastava14a/srivastava14a.pdf1. Abstract & Intro드랍아웃은 overfitting 을 해결하기 위한 테크닉이다.Noise 가 심한 Train data 의 경우, 즉 Train data 에만 존재하고 Test data 에서는 존재하지 않는 데이터의 특징이 있는 경우, NN 이 학습이 많이 될 경우, 해당 Noise 를 일반적인 규칙 이라고 생각하고 학습이 될 수 있다.Train accuracy 는 올라가는데 Val accuracy 는 떨어지는 현상이러한 .. 2024. 8. 1. Triplet Loss 0. 개요왜 triplet loss 에 대한 글을 작성하게 되었는가?distance based learning (e.g. knn) 에서 핫한 loss 라고 추천해줬습니다.아마도 제가 얼굴 인식 관련해서 dm 으로 이것저것 물어봤는데 마침 나비 분류 하고 있던터라 겸사겸사 알려주신 것 같습니다.아마도 나비 종류 구분 때문에 추천해주신 것 같은데 비슷한 application 으론 얼굴인식, fine-grained classification, 유사 이미지 검색, 추천시스템 등이 있습니다.1. 무엇loss function 입니다.이미지 인식, 얼굴 인식, 객체 구별하는 작업에서 사용됩니다.왜 인지는 밑에서 더 작성하겠습니다. 학습 과정에서 모델이 세 개의 데이터 포인트를 사용하여 학습하는 것 입니다.Anchor.. 2024. 8. 1. GAN 기초 1. What is GAN?Generative Adversarial Network적대적 생성 신경망대충 생성형 AI 를 생각하면 될 것 같다.생성자 (Generator) 와 판별자 (Discriminator) 두가지로 구성되어있다.여기서 적대적 생성 신경망 의 “적대적” 이라는 형용사를 (부사?) 설명할 수 있다.생성자와 판별자는 경쟁적으로 학습을 진행한다.생성자는 더 진짜 같은 데이터를 만들기 위해 학습하고, 판별자는 진짜와 가짜를 더 잘 구별하기 위해 학습한다.최종적으로 생성자가 만든 데이터가 충분히 현실적이고, 판별자도 이를 정확히 판별할 수 있을 때 성능 향상이 완료된다. GAN 으로 생성된 이미지들의 경우, 꽤 그럴싸한, 이미지를 생성한다.DALL-E 와 비슷한 급으로 괜찮은 이미지를 생성한다... 2024. 8. 1. 이전 1 2 3 4 다음
