SK네트웍스 Family AI 캠프 30기 7주차 회고

📅 데일리 학습

• 5월 11일 (월)

[29일차] 딥러닝 (회귀, 이진분류, 다중분류)

 

이번 주는 딥러닝 모델의 기본적인 문제 유형을 이해하는 것부터 시작했다. 회귀, 이진분류, 다중분류를 학습하면서 모두 비슷한 학습 과정을 거치지만 문제의 성격에 따라 모델 구조와 손실 함수가 달라진다는 점을 배웠다. 처음에는 코드가 거의 비슷해 보여서 차이를 잘 느끼지 못했는데, 회귀는 연속적인 숫자를 예측하기 때문에 MSELoss를 사용하고, 이진분류는 두 가지 결과 중 하나를 선택하기 때문에 Sigmoid와 BCELoss를 사용하며, 다중분류는 여러 클래스 중 하나를 예측하기 위해 CrossEntropyLoss를 사용한다는 점을 이해하게 되었다. 아직 PyTorch의 텐서 변환 과정이나 모델 구현 코드는 익숙하지 않지만, 문제 유형에 따라 모델을 설계해야 한다는 큰 흐름은 조금씩 잡히기 시작했다.

• 5월 12일 (화)

[30일차] 컴퓨터비전, CNN

 

오늘은 컴퓨터 비전의 핵심 모델인 CNN을 학습했다. 기존에는 이미지를 단순히 숫자 데이터로만 생각했는데, CNN은 이미지의 공간적인 특징을 유지하면서 학습한다는 점이 인상적이었다. Conv2d가 이미지에서 선이나 패턴 같은 특징을 추출하고, MaxPool2d가 중요한 특징만 남긴 채 크기를 줄여주는 역할을 한다는 것을 배웠다. 이후 Flatten과 Linear Layer를 거쳐 최종적으로 이미지를 분류하는 과정도 확인할 수 있었다. MNIST 손글씨 숫자 데이터를 직접 학습시키며 CNN의 동작 과정을 살펴봤다. 채널 수나 커널 크기에 따른 출력 크기 계산은 아직 어렵게 느껴졌지만, CNN이 왜 이미지 분류 분야에서 널리 사용되는지는 이해할 수 있었다.

• 5월 13일 (수)

[31일차] 성능 최적화

 

오늘은 모델 성능 최적화에 대해 학습했다. 같은 모델이라도 학습 방법에 따라 결과가 달라질 수 있다는 점을 알게 되었고, 단순히 정확도만 높이는 것이 아니라 과적합을 방지하는 것도 중요하다는 것을 배웠다. 그동안은 모델을 만들고 학습시키는 것에 집중했다면, 이제는 학습 결과를 어떻게 개선할 수 있는지도 함께 고민해야 한다는 점을 느꼈다. 아직 다양한 최적화 기법을 모두 이해한 것은 아니지만, 좋은 모델을 만드는 과정에는 성능 튜닝이 필수적이라는 사실을 알게 된 시간이었다.

• 5월 14일 (목)

[32일차] 전이학습 (VGG, ResNet)

 

오늘은 전이학습을 학습했다. 전이학습은 대규모 데이터로 이미 학습된 모델을 가져와 새로운 문제에 활용하는 방법이다. ResNet18을 활용한 연예인 분류기와 VGG16, ResNet34를 이용한 CIFAR-10 분류 실습을 진행했다. 사전학습 모델은 기본적으로 1000개의 클래스를 분류하도록 설계되어 있기 때문에, 내가 해결하려는 문제에 맞게 마지막 분류층을 변경해야 한다는 점을 배웠다. 또한 기존 층의 가중치를 고정한 채 마지막 층만 학습하는 Feature Extraction과 전체 모델을 추가 학습하는 Fine-tuning의 차이도 이해할 수 있었다. 아직 모델 구조를 완벽히 이해하거나 파라미터 동결 코드를 자유롭게 작성할 수준은 아니지만, 적은 데이터로도 높은 성능을 낼 수 있다는 전이학습의 장점을 체감할 수 있었다.

• 5월 15일 (금)

[33일차] 컴퓨터 비젼 (openCV, CNN)

 

이번 주에 가장 기대했던 OpenCV와 OCR 실습을 진행했다. 이전 회사에서 유니폼 사진을 촬영하면 유니폼 종류를 분류하고 마킹 이름을 인식하는 기능을 사용한 적이 있었는데, 그 기능이 어떤 원리로 동작하는지 항상 궁금했었다. 실습을 진행하면서 OCR은 단순히 글자를 읽는 기술이 아니라는 것을 알게 되었다. 이미지 품질이 좋지 않거나 노이즈가 많으면 인식률이 크게 떨어졌고, 반대로 전처리를 잘 수행하면 결과가 눈에 띄게 개선되었다. 특히 OCR의 성능은 모델 자체보다도 이미지 전처리 과정의 영향을 많이 받는다는 점이 인상적이었다. 실제 서비스에서도 AI 모델만 중요한 것이 아니라 데이터를 어떻게 준비하고 가공하느냐가 결과를 좌우할 수 있다는 사실을 다시 한번 느꼈다.

📊 주간 회고

이번 주는 딥러닝 모델과 컴퓨터 비전 관련 내용을 처음 접하면서 정말 많은 개념이 한꺼번에 들어왔다. 회귀, 분류, CNN, 전이학습, OCR까지 다양한 내용을 배웠지만 솔직히 아직은 전체 흐름이 명확하게 잡히지는 않는다. 수업을 들을 때는 이해한 것 같다가도 막상 다시 설명하려고 하면 헷갈리는 부분이 많았고, PyTorch 코드 역시 혼자 작성하기에는 아직 어렵게 느껴졌다. 특히 CNN의 구조나 전이학습에서 어떤 부분을 수정하는지, 왜 그렇게 동작하는지까지는 완전히 이해하지 못했다. 그래도 이번 주를 통해 AI 분야에 어떤 기술들이 사용되는지 직접 경험해볼 수 있었고, 이미지 분류나 OCR 같은 기술이 생각보다 우리 주변 서비스에 많이 활용되고 있다는 점을 알게 되었다. 지금은 이해보다는 익숙해지는 과정에 가깝다고 느껴지며, 앞으로 반복해서 실습하고 복습하면서 조금씩 연결해 나가야겠다는 생각이 들었다.

 

AI를 이해한 주라기보다는 앞으로 공부해야 할 개념들이 얼마나 많은지 체감한 한 주였다.

🔍 KPT 회고

Keep (유지할 점)

• 어려운 내용이어도 끝까지 수업을 따라가려고 한 점
• 실습을 통해 직접 경험해보려고 한 점

Problem (보완할 점)

• 새로운 개념이 너무 많아 복습 없이 넘어간 내용이 많았다.
• 수업 시간에 이해한 내용을 내 것으로 만들지 못했다.

Try (시도할 점)

• 코드를 복사하지 말고 직접 다시 작성해보기
• CNN, ResNet, OCR 등 이번 주에 나온 개념들을 하나씩 다시 찾아보며 정리하기