📚 TIL (Today I Learned)

이 레포지토리는 Computer Vision, Deep Learning에 대한 깊이 있는 학습과 실무 인턴십 경험, 그리고 탄탄한 기본기를 위한 알고리즘 문제 풀이를 기록한 공간입니다.

🛠️ Tech Stack

• Language:
• AI / Deep Learning:
• Computer Vision:

📁 Repository Structure & Contents

이 레포지토리는 크게 3가지 핵심 카테고리로 구성되어 있습니다.

💼 1. Work Experience

실무 환경에서 컴퓨터 비전 인턴으로 근무하며 마주한 문제들과 해결 과정을 기록했습니다.

• Computer Vision Intern 업무 회고 (📄 상세 보기)
  • 데이터 파이프라인: OpenCV를 활용한 이미지 전처리(Resize, Crop, Noise 제거) 및 Python 크롤링 자동화
  • 모델 최적화: 기존 Face Recognition 모델의 입출력 구조 분석 및 하이퍼파라미터 설정 변경
  • 실험 및 성능 개선: CNN 기반 이미지 인식 모델의 병목 구간 파악 및 Learning Rate, Batch Size 등 튜닝 실험 진행

🧠 2. Deep Learning

딥러닝의 수학적 기초부터 신경망 모델 구현까지의 이론을 정리하고, Google Colab을 통해 실습한 코드를 보관합니다.

• 딥러닝 기초 및 회귀 모델 (📄 상세 보기)
  • 선형 회귀(최소 제곱법, 평균 제곱 오차) 및 경사 하강법의 수학적 원리 학습
  • 로지스틱 회귀와 교차 엔트로피 오차 함수 이해
• 신경망과 퍼셉트론 (📄 상세 보기)
  • 다층 퍼셉트론(MLP)을 통한 XOR 문제 해결 및 오차 역전파(Backpropagation) 구현
  • 기울기 소실 문제 파악 및 ReLU 함수, 확률적 경사 하강법(SGD), 모멘텀 개념 적용
• 모델 성능 검증 및 실습 (📄 상세 보기)
  • Pandas 기반 데이터 전처리 및 원-핫 인코딩
  • K겹 교차 검증(K-Fold Cross Validation)을 활용한 다중 분류 모델 성능 평가
  • 💻 Colab 실습: 선형회귀.ipynb, XOR.ipynb, multi_class.ipynb 등 구현 완료

💻 3. Algorithm

탄탄한 프로그래밍 기본기를 위해 자료구조/알고리즘 이론을 학습하고, 코딩 테스트 문제를 풀이합니다.

• Theory (개념 정리)
  • 그래프(Graph) 탐색: BFS, DFS 및 인접 행렬/리스트 구현
  • 이진 탐색(Binary Search): 개념 및 C++ 구현
• Problem Solving (C++)
  • Baekjoon: 스택(오큰수), 재귀(피보나치), 문자열 등 단계별 문제 풀이
  • Programmers: 정렬(가장 큰 수, K번째 수), 탐욕법(구명보트, 체육복), 해시 등 주요 알고리즘 풀이

🏆 4. Kaggle

공개된 커널을 참고하여 직접 실행하고 주석을 달며 학습한 코드 모음입니다. 참고한 원본 커널은 각 폴더의 README에 명시되어 있습니다.

• Tabular
  • Porto Seguro's Safe Driver Prediction - EDA, Feature Engineering, LightGBM/XGBoost 앙상블
  • Costa Rican Household Poverty Level Prediction - EDA, 도메인 기반 결측치 처리
  • Home Credit Default Risk - 외부 데이터 집계, Polynomial features, LightGBM
• CV
  • Statoil/C-CORE Iceberg Classifier Challenge - SAR 이미지 처리, CNN
• Audio
  • TensorFlow Speech Recognition Challenge - Log-Spectrogram, FFT, MFCC, VAD
• NLP
  • Toxic Comment Classification Challenge - 토큰화, 패딩, LSTM