머신 러닝 또는 딥러닝에 대한 나의 현재 지식은
1. 대학생 2학년~3학년 처음 학부연구원 시작당시 1년간 time series forecasting with python, machine learning mastery with python 책을 통해 Background를 처음 다졌고
2. 학부 4학년 캡스턴 졸업작품에 있어서 MTMC(Multi Target, Multi Camera) 문제를 Yolo를 통해 해결 및 논문 accept (Yolo Multi Tracking을 여러 Camera에서 처리하여, 다른 카메라 간 이동하는 객체가 같은 User임을 알게 하는)
3. IMU Sensor Data를 Callibration하는 과정에 있어서 Transformer, TCN를 통해 Callibration model를 생성
4. 수업에서 Cuda, LLM(BERT) 관련 내용 수강 및 팀 프로젝트를 통해 STT+LLM+H/W Control을 통해 비슷한 뜻을 가지는 명령어에 대한 LLM 처리 및 드론 제어
5. 강화학습 및 스케쥴링 공부할 겸 Single Machine Scheduling 문제를 해결하고자 [Genetic Algorithm, Q learning, DQN, DQN+Transformer까지 based value]로써, [Reinforce Algorithm, Reinforce+Rollout Baseline+Transformer까지 policy network]를 구성하여 해결해보았다.
연구실 특성상 회사와 Web App을 개발하는, 이미 있는 모델을 응용하는 것에 초점이 되어 있어서 전처리 및 후처리, API설계, AWS설계 등은 많은 공부를 했으나, Data Science에 대해서는 딥하게 공부해본 적이 없어서(모델 뜯어보면서 딥하게, 이전은 이미 있는 모델을 어떻게 잘 응용하는가만 초점...)
해당 카테고리에서는 옛날 논문부터 시작하여 딥러닝의 기초가 되는 Backborn들 또는 핵심 논문들을 출발으로 하여 현재까지의 논문을 리뷰하며 Background를 높일 예정이다. (논문을 리뷰하며 모르는 내용은 추가학습하는 형식으로)
