본문 바로가기

전체 글64

컴퓨터 비전에서 준지도학습(Semi-Supervised Learning) 소개 및 최신 알고리즘 비교 분석 준지도학습(Semi-Supervised Learning) 소개준지도학습(Semi-Supervised Learning)은 적은 수의 라벨링된 데이터와 대량의 비라벨 데이터를 활용하여 학습하는 딥러닝 기법입니다. 전통적인 감독학습(Supervised Learning)은 라벨이 있는 데이터만을 학습에 사용하지만, 라벨링된 데이터는 얻기 어렵고 시간이 많이 소요되는 경우가 많습니다. 반면, 준지도학습은 비라벨 데이터를 활용하여 학습 성능을 개선하고, 실제 환경에서 더 적은 라벨링 작업으로 더 나은 성능을 달성할 수 있습니다. 이러한 준지도학습 기법은 특히 이미지 분류, 객체 검출, 영상 분석 등과 같은 컴퓨터 비전 분야에서 큰 장점을 가집니다. 대규모 이미지 데이터셋에서 라벨링된 데이터의 수가 부족한 경우, 비.. 2025. 4. 30.
코사인 유사도와 코사인 거리 개념 및 딥러닝에서의 활용 | PyTorch 예제 포함 1. 코사인 유사도(Cosine Similarity)란?코사인 유사도는 두 벡터 간의 방향 유사도를 측정하는 지표로, 주로 텍스트 유사도 분석, 문장 임베딩 비교, 이미지 임베딩 비교 등에서 활용됩니다. 벡터의 크기보다는 방향성에 초점을 맞추는 것이 특징입니다.공식:cos_sim(A, B) = (A · B) / (||A|| * ||B||)A와 B는 각각의 벡터이며, ·는 내적(dot product), ||A||는 A의 놈(norm, 길이)입니다. 값의 범위는 -1 ~ 1입니다. 1에 가까울수록 방향이 유사하고 반대로 -1에 가까울 수록 두 벡터의 방향이 서로 다름을 의미합니다.2. 코사인 거리(Cosine Distance)란?코사인 거리란 코사인 유사도를 거리 개념으로 변환한 것으로, 다음과 같이 정의됩.. 2025. 4. 30.
DFS(깊이 우선 탐색) 알고리즘: 동작 원리와 Python 코드 구현 깊이 우선 탐색 (DFS)란?Depth-First Search (DFS)는 트리와 그래프 데이터 구조를 탐색하는 기본 알고리즘입니다. 각 경로를 가능한 한 깊게 탐색한 후 백트래킹하는 방식으로 동작하여 경로 찾기, 위상 정렬, 사이클 검출 등에 적합합니다.DFS 알고리즘 설명DFS는 재귀(암시적 호출 스택)나 명시적 스택 자료구조를 사용하여 구현할 수 있습니다. 핵심 아이디어는 다음과 같습니다:루트(또는 임의의 시작 노드)에서 시작합니다.노드를 방문하고 방문 표시합니다.방문하지 않은 인접 노드를 재귀적 또는 반복적으로 방문합니다.알고리즘 단계 (이진 트리 - 재귀)현재 노드를 방문합니다.왼쪽 서브트리를 재귀적으로 탐색합니다.오른쪽 서브트리를 재귀적으로 탐색합니다.알고리즘 단계 (일반 그래프 - 스택 기반.. 2025. 4. 29.
BFS(너비 우선 탐색) 알고리즘: 동작 원리와 Python 코드 구현 너비 우선 탐색 (Breadth-First Search)란?Breadth-First Search (BFS)는 현재 깊이 수준에 있는 모든 노드를 탐색한 후 다음 깊이 수준의 노드를 탐색하는 그래프 순회 알고리즘입니다. 가중치가 없는 그래프에서 최단 경로 문제를 해결하거나, 트리 탐색 및 연결 요소 분석 등에 널리 사용됩니다.BFS 알고리즘 설명BFS는 큐(queue) 자료구조를 사용하여 다음에 탐색할 노드를 추적합니다. 핵심 아이디어는 다음과 같습니다:시작 노드를 방문하고 큐에 추가합니다.큐가 비어있지 않은 동안:큐의 앞쪽에서 노드를 꺼냅니다.노드를 처리합니다 (예: 출력, 기록).방문하지 않은 모든 이웃 노드를 큐에 추가합니다.알고리즘 단계 (이진 트리)루트 노드를 시작으로 큐에 추가합니다.큐가 비어있.. 2025. 4. 29.
A* 탐색 알고리즘 - Python 예제와 함께 자세한 설명 A* 탐색은 가장 인기 있고 강력한 경로 찾기 및 그래프 탐색 알고리즘 중 하나입니다. 시작 노드에서 목표 노드까지의 최단 경로를 찾을 때 실제 비용과 휴리스틱(추정) 비용을 모두 고려합니다.핵심 개념g(n): 시작 노드에서 현재 노드 $n$까지의 실제 비용h(n): 현재 노드 $n$에서 목표 노드까지의 추정 비용f(n): 총 예상 비용$f(n) = g(n) + h(n)$A* 알고리즘 단계시작 노드를 오픈 집합에 추가합니다.각 노드에 대해 최소 비용(g 값)을 기록하는 맵을 초기화합니다.오픈 집합이 비어있지 않은 동안: $f(n)$ 값이 가장 작은 노드를 선택합니다. 목표 노드에 도달했으면 경로를 재구성하여 반환합니다. 그렇지 않으면, 각 이웃 노드에 대해: 임시 $g$ 값을 계산합니다. 기록된 값보다 .. 2025. 4. 29.
검색 알고리즘: 상세 설명과 Python 구현 탐색 알고리즘 소개탐색 알고리즘은 인공지능(AI)과 컴퓨터 과학의 핵심 도구입니다. 이 알고리즘은 문제 해결 에이전트가 복잡한 환경을 탐색하고, 해답을 찾으며, 의사결정을 내릴 수 있도록 도와줍니다. 탐색 알고리즘은 주어진 시작 상태로부터 목표 상태에 도달하는 경로를 찾기 위해 문제 공간 내의 가능한 경로를 체계적으로 조사합니다.일반적으로 탐색 알고리즘은 다음 두 가지 주요 범주로 나뉩니다:비정보 탐색 알고리즘 (Uninformed Search Algorithms): 이러한 알고리즘은 문제 정의 외에 도메인에 대한 구체적인 정보를 갖고 있지 않습니다. 목표의 방향을 예측하지 않고 모든 노드를 동일하게 취급하며, 무작위로 탐색 공간을 확장합니다. 복잡하거나 규모가 큰 환경에서는 비효율적일 수 있지만, 특정.. 2025. 4. 28.
큐와 스택의 이해와 Python 구현 자료구조는 컴퓨터 과학에서 데이터를 효과적으로 조직하고 관리하며 저장하는 데 중요한 개념입니다. 이 중에서도 가장 기본적이면서도 핵심적인 자료구조가 바로 큐(Queue)와 스택(Stack)입니다. 본 글에서는 두 자료구조의 특성과 작동 원리를 깊이 있게 살펴보고, Python으로 직접 구현한 예제와 표준 라이브러리를 이용한 예제까지 상세히 소개합니다.1. 스택(Stack) LIFO - Last In, First Out스택(Stack)은 데이터를 일렬로 쌓아 올린 형태의 선형 자료구조입니다. 스택은 '마지막에 들어온 데이터가 가장 먼저 나간다'는 원칙, 즉 LIFO (Last In, First Out) 방식을 따릅니다. 마치 책을 쌓을 때 마지막에 올린 책이 가장 먼저 치워지는 것과 같습니다.스택의 주요 .. 2025. 4. 28.
싱글턴(Singleton) 패턴: 객체의 유일성을 보장하는 설계 패턴 완벽 분석 프로그래밍에서 싱글턴(Singleton)은 프로그램 전체 실행 기간 동안 클래스의 인스턴스가 오직 하나만 존재하도록 보장하고, 그 인스턴스에 전역(Global)으로 접근할 수 있는 지점을 제공하는 디자인 패턴입니다. 싱글턴 패턴은 주로 데이터베이스 연결, 설정 파일 로딩, 무거운 머신러닝 모델 로딩처럼 자원을 효율적으로 관리해야 할 때 널리 사용됩니다.왜 싱글턴을 사용할까요?메모리 사용 최적화자원 접근 제어애플리케이션 전체의 일관성 보장파이썬에서 싱글턴을 구현하는 간단한 방법class SingletonMeta(type): _instances = {} def __call__(cls, *args, **kwargs): if cls not in cls._instances: .. 2025. 4. 28.
확률 분포 간 차이를 측정하는 KL Divergence 개념과 수식 정리 KL Divergence란 무엇인가?Kullback–Leibler Divergence (KL Divergence)는 확률 이론, 정보 이론, 머신러닝에서 매우 중요한 개념입니다. 이는 두 확률 분포 간의 차이를 측정합니다. 본질적으로, KL Divergence는 한 분포(Q)를 사용하여 다른 분포(P)를 근사할 때, 얼마나 많은 정보가 손실되는지를 알려줍니다. KL Divergence는 종종 분포 간의 "거리"를 측정하는 것처럼 설명되지만, 주의할 점은 진정한 의미의 거리(metric)가 아닙니다. 그 이유는 대칭적이지 않기 때문입니다. 즉:$KL(P \parallel Q) \neq KL(Q \parallel P)$ 딥러닝에서 KL Divergence가 중요한 이유KL Divergence는 여러 핵심 M.. 2025. 4. 28.
Python Class 문법 완벽 가이드 파이썬 클래스는 객체 지향 프로그래밍(OOP)의 핵심입니다. 함수와 데이터(속성)를 하나로 묶어 복잡한 프로그램을 구조화하고, 코드 재사용성을 높이는 데 필수적인 도구입니다. 이 글에서는 Python 클래스의 문법과 사용법, 그리고 특징까지 깊이 있게 다루고, 사용자들에게 꼭 필요한 실전 예제와 함께 완전한 코드를 제공합니다.Python 클래스란 무엇인가?클래스(Class)는 객체(Object) 를 생성하는 설계도 입니다. 클래스를 기반으로 만든 인스턴스(instance)는 서로 독립적인 속성과 메서드를 가질 수 있어, 대규모 프로그램에서도 깔끔한 구조를 유지할 수 있습니다.클래스 기본 구조 class ClassName: def __init__(self, parameters): self.. 2025. 4. 27.
파이썬 초보를 위한 리스트와 NumPy Array 차이 쉽게 이해하기 Python 기반 수치 연산 및 데이터 처리에서 두 가지 주요 구조가 중심을 이룹니다: 기본 Python 리스트와 NumPy 배열입니다. 기본적인 기능은 비슷하지만, 성능, 유연성, 내부 구현 측면에서 크게 다릅니다. 이 가이드는 두 구조의 사용법을 설명하고, 코드 예제를 제공하며, 성능이 중요한 응용 분야를 위해 기술적 차이를 비교합니다.Python 리스트Python 리스트는 변경 가능한(mutable) 순서가 있는 컬렉션으로, 다양한 데이터 타입을 요소로 가질 수 있습니다.기본 사용법:# 리스트 생성py_list = [1, 2, 3, 4, 5]# 요소 접근 및 수정py_list[0] = 10# 요소 추가 및 확장py_list.append(6)py_list.extend([7, 8])# 리스트 컴프리헨션.. 2025. 4. 23.
SIMD와 MIMD 차이점 쉽게 설명 컴퓨팅 성능을 개선하는 중요한 요소들 중 하나가 병렬 처리입니다. 그리고 이런 병렬 컴퓨팅을 지원하는 중요한 두 가지 모델은 SIMD (Single Instruction, Multiple Data)와 MIMD (Multiple Instruction, Multiple Data)입니다. 이러한 모델을 이해하면 알고리즘을 최적화하고 하드웨어 성능을 효과적으로 활용하는데 도움이 됩니다. 이 블로그에서는 이 두 모델들에 대해서 간략히 설명하고, 어떻게 파이썬 내장 함수에서 활용되고 있는지 그리고 어떻게 파이썬으로 구현 가능한지 살펴보겠습니다.SIMD: Single Instruction, Multiple Data개념SIMD는 하나의 연산이 여러 데이터 포인트에 동시에 적용되는 병렬 컴퓨팅 모델입니다. 이미지 처리,.. 2025. 4. 23.

티스토리툴바