SKN Family AI 3기 회고록 14주 차

• 회고(Retrospective) 목적

회고는 우리가 진행하고 있는 방향을 점검하고, 이후 진행할 방향성을 확인하기 위함이다.
또한, 스스로 느꼈던 감정, 했던 일을 통해 Action Item에 대한 아이디어를 생각하는 것이다

• 회고에 대한 마음가짐
  • 모두에서 이야기할까 말까? 하던 것을 회고를 통해 이야기를 하면서 개선하기
  • 이전 회고를 참고하여 현재 진행하는 프로젝트에 대한 생각과 감정을 정리하기
    • "특정 상황에 내가 어떤 감정이 들었는가?"라는 본인을 되돌아보고 그 당시 어떤 감정을 느꼈는지
    • 만약, 그때에는 많이 힘들었다면 어떤 상황이 힘들었는지, 어떻게 했으면 달라졌는지
    • 문제가 되었던 부분을 비판적으로 분석하고, 어떻게 개선할  수 있는지 
  • 제시되었던 아이디어, 내가 가진 아이디어에 대해 열린 시선으로 바라보기
  • 수동적으로(하라고 해서 한다) 하는 것은 좋지 않으니 적극적으로 하기
  • 가장 중요한 것으로 회고를 꾸준히 하기

---

SKN Family AI 3기 회고록 14주 차 (5F 회고 방법론)

 

• Facts : 사실. 무슨 일이 있었는가?

날짜	Facts	비고
10.07	1. Vanilla RNN 2. LSTM(Long Short Term Memory) 3. Bi-LSTM(Bi-directional long short term memory) 4. GRU(Gated Recurrent Unit) 5. 텍스트 생성(text generator)
10.08	1. GRU 복습 2. Sequence To Sequence 3. Seq2Seq and Attention
10.09	한글날
10.10	1.  Attention Mechanism 2. Transformer 3. Transformer Layers
10.11	1. OCR(Optical Character Recognition) 2. CRNN

 

 

• Feeling : 느낀 점, 감정. 어떤 느낌이 들었는가?
  • AI에서 중요한 Attention과 Transformer강의 듣게 되어 기대감이 높았습니다.
  • AI의 기반 이론인 만큼 어려워서 이해하는데 시간이 걸렸습니다.

 

• Finding : 배운 점, 인사이트. 어떤 것을 기억하고 싶은가?
  • 기본 RNN도 상당한 성능을 보여줬는데 Attention과 Transformer를 적용하니 적은 epoch에도 상당한 성능을 보여줘서 놀라웠습니다.
  • 다만 Attention과 Transformer를 적용하기 위해선 기반이 되는 data량이 매우 많아야 하는 점과 연산량이 엄청나서 일반 배포용으로 사용하기엔 제한이 많다는 점이 단점입니다.
  • 또한 최근 이미지 인식관련 인공지능 대회에선 CNN 모델이 오히려 더 좋은 성능을 보여준 사례가 있는 만큼 적절한 상황에 적절한 모델을 사용하는 것이 좋다고 생각됩니다.
• Future Action : 향후 액션 아이템. 앞으로 무엇을 할 것인지?
  • 기존 딥러닝 과정부터 복습하면서 다시 기반을 다지려고 합니다.
  • 가장 필요해 보이는 Ray tune(딥러닝의 HPO)의 사용을 자유자제로 할 수 있도록 만들어야 할 것 같습니다.

 

• Feedback : 피드백. Future Action에서 정한 액션 아이템을 실행하고 어떤 피드백을 받았는가?
  
  • 지금 하는 탬포대로 천천히 하되, 컨디션 조절 잘할 것