건빵의 블로그

2일차 스터디 내용은 일러스트레이터에 관한 내용이다.[개념] 일러스트의 쓰임, 도구 정복하기 (p288-290/302-310) 일러스트레이터가 쓰이는 곳캐릭터 디자인, CI/BI 디자인, 타이포그래피/캘리그래피, 편집 디자인, 팬시 디자인, 패키지 디자인 등등..나는 R에서 export한 논문 이미지를 편집할 때 주로 사용한다 o_o 일러스트레이터의 다양한 도구들툴 패널 다루기툴 기능 살펴보기: 아주 많은 툴들이 있다;나만의 툴 패널 만들기: 모든 툴을 사용할 필요는 없고 주로 사용하는 기능들을 저장해 패널로 만들어 활용할 수 있다.[실습] 선택 툴/펜 툴 (p360-381) 선택 툴의 다양한 기능 익히기선택 툴을 활용하여 만든 수박 펜 툴을 이용해 캐릭터 그리기스케치 놓고 펜 툴로 한땀한땀 작업한 그림..

한빛미디어에서 진행하는 포토샵 & 일러스트레이터 스터디에 참여하게 되었다."맛있는 디자인 포토샵 & 일러스트레이터 CC 2017" 이라는 책으로 각자 주어진 일정에 따라 공부 내용을 블로그에 올리고 링크를 제출하는 방식이다. 논문쓰면서 개념도 모르고 이것저것 눌러보며 일러를 써왔는데 이번 스터디를 기회로 조금 더 편해지길 바라는 마음으로 시작 :)[개념] 프로에게 배우는 포토샵 기본 기능 (p72-80)기본 기능 01 이미지 불러오기: Open기본 기능 02 이미지 크기 조절하기: Image Size기본 기능 03 작업 화면 100%로 보기: 돋보기 툴기본 기능 04 불필요한 부분 제거하기: 자르기 툴기본 기능 05 화면 옮기기: 손바닥 툴기본 기능 06 얼룩 제거하기: 스팟 힐링 브러시 툴기본 기능 0..

카타르 인턴십을 끝내고 6월말 학교로 돌아왔다. 이래저래 인사 드리고, 한국 생활 적응하다 보니 시간이 훅 지나갔고, 이전에 지도교수님과 이야기 했던 대로 박사논문 프로포절을 준비하여 지난 주 발표하였다. 결과는.. 똥망이었다. 전체적인 커멘트는,- 풀겠다고 하는 문제가 너무 큰 것에 비해 현재 진행된 것, 앞으로 진행할 것은 그것에 비해 미미하다.- 진행된 연구들 간의 관계가 명확하지 않다.- 참고한 관련연구들이 너무 old하다. 와 같은 평 들이었고, 좀 더 구체화해서 이달 말 재 심사를 하기로 했다. 이런 코멘트들을 듣고 집에 돌아와 누워서 생각해보니, 넌 박사과정동안 뭘 했어? 라는 질문에 시원한 답을 주기가 어렵다는 생각이 들었다. 나는 석사과정부터, 박사과정까지 온라인 소셜 데이터를 이용한 여..

가끔 Data Science를 위해 R이나 Python을 공부하려고 하는데, 어떤 좋은 소스가 있는지에 대한 질문을 받는다. 요새는 좋은 책도 많아 책으로 공부하는 방법도 추천하지만, 오늘 소개하려고 하는 사이트는 DataCamp라는 사이트이다. Data Science를 위해 많이 사용되는 R과 Python의 코스를 제공하며 언어에 대해 전혀 경험이 없는 사람들을 위한 기본 코스부터 통계학, 머신러닝 지식이 필요한 코스까지 다양하다. 내가 생각하는 DataCamp의 장점과 단점은 다음과 같다.장점1. 단계별로 간단한 코드 문제가 나오고 풀어가는 방식으로 interactive하게 설계되어 재미있음 2. 코스가 무겁지 않게 잘 나누어 설계되어 있어 질리지 않고 계속 공부할 수 있음 3. 각 코스마다 cert..

박사과정이 주는 이름의 무게는 본인 혹은 가까운 사람이 이 과정을 겪고 있거나, 겪지 않았다면 잘 모를 것이다. 누군가에게는 하고 싶은 공부를 할 수 있어 그저 부러운 사람들이거나, 또다른 누군가에게는 어떻게 그 긴 기간을 공부하는 지 생각만 해도 답답해서 오히려 대단해 보이는 그런 사람들 일수도 있을 것이다. 나도 그 이름의 무게는 과정을 시작하기 전까지는 전혀 몰랐다. 석사 때 했던 습작들. 겁 없기에 용감했고 그래서 운 좋게 좋은 결과를 얻었던 연구들이 재미있었고, 그것들이 나의 능력이 아닌 여러 외부적 요인 (예> 지도교수님의 능력)으로 되었다는 것을 그때는 미처 모르고, 주변에서 해주는 칭찬에 우쭐해서 나는 연구를 잘 한다고 생각했었다. 연구하니 덤으로 따라오는 학회 참가와 해외 경험들도 너무 ..

데이터에 기반한 modelling을 할 때 자주 나오는 개념인 bias-variance tradeoff. 중요하지만 헷갈릴 수 있는 개념인데 쉽게 정리된 글을 Quora에서 발견하여 번역하여 공유한다. 원문: How would you explain the bias-variance tradeoff to a five year old? 이 그림 하나면 Bias-Variance tradeoff를 설명하기에 충분할 것이다. 모델링, 통계학, 머신러닝 등에 대해서 알고 있다면 위의 의미를 더 깊게 이해해 보자. 데이터가 가지고 있는 불확실성이나 noise 뿐만 아니라 모든 학습 알고리즘은 두 가지 종류의 에러를 가진다. 1. Bias2. Variance Error(X) = noise(X) + bias(X) + va..

2015년 7-8월, 넷마블게임즈 데이터분석 직군으로 인턴십을 다녀왔다.학교에만 있어서 굳었던 머리를 말랑말랑하게 만들수 있었던 좋은 시간이고 같은 분야에 있는 좋은 사람들을 만날수 있어서 더더욱 즐거운 시간들이었던 것 같다. 인턴십 그리고 넷마블 게임즈 데이터분석에 관심있을 누군가를 위해 후기를 정리하여 공유한다. 1. 면접 회사 면접을 본 경험이 없어서 당신의 장점과 단점은 무엇입니까? 가장 즐거웠던 순간과 슬펐던 순간.. 등의 인사 질문만 생각하고 갔었는데.. 면접은 굉장히 기술면접 위주로 진행된다. 나의 경우는 내가 석사과정 시 진행한 연구에 사용한 방법론에 대한 질문을 가장 많이 받았고, 통계와 데이터 방법론에 관련된 질문들도 많이 받았다. 하지만 인턴 과정 중 동기들과 면접 후기를 공유해보니 ..

해당 포스트는 Standford Online Course의 Statistical Learning 강좌를 정리하고 공유하기 위한 포스트로, 대부분의 자료는 강의자료에서 참조하였으나 본인의 의견도 들어가 있을수 있습니다.선형 회귀 분석 (Linear Regression)은 회귀 분석에 사용되는 가장 간단한 모델로 간단하지만 매우 유용하다. 선형 회귀 분석을 통해 independent variable과 dependent variable간에 어떤 관계가 있는지, 그 관계는 얼마나 strong 한 지, 해당 모델을 이용할 경우 값을 얼마나 정확히 예측 가능한 지 등을 알 수 있다. 1. 단순 선형 회귀 분석(Simple Linear Regression) single predictor X 를 가지는 simple l..

해당 포스트는 Standford Online Course의 Statistical Learning 강좌를 정리하고 공유하기 위한 포스트로, 대부분의 자료는 강의자료에서 참조하였으나 본인의 의견도 들어가 있을수 있습니다. Supervised Learning은 크게 두 가지 문제로 나눌 수 있다.첫째는 Regression(회귀) 이고, 다른 하나는 Classification (분류) 이다. 모델을 통해서 예측하려는 Y의 값이 linear 하면 회귀 문제, categorical 하면 분류 문제가 된다. 즉 어떤 모델을 이용해서 주가 변동을 예측한다고 해보자. 실제 '주가 지수'를 예측한다면 회귀 문제가 되고, 주가가 오르는지/내리는지 예측하는 것이라면 분류 문제가 된다. 1. 모델의 성능을 측정하기 회귀와 분류..

Statistical Learning은 통계적인 모델을 이용하여 데이터를 학습시키고,, 어떠한 결과를 얻어내는 방법을 말한다. 이 책을 통해 알아야 할 것은 1) 언제, 왜 각각의 모델을 사용해야 하는가 2) 어떻게 각 모델-알고리즘이 동작하는가? 3) 어떻게 성능을 평가하는가. 크게 이 세 가지로 나눌 수 있다. 이 세상에 수많은 학습 모델들이 있지만 우리가 데이터 분석 시 실제로 그것들을 구현하지는 않는다. 이미 똑똑하신 많은 연구자들이 언어별로 알고리즘을 구현해 두었고 우리는 사용하기만 하면 된다. 하지만 각각의 모델을 언제 사용하고, 결과를 어떻게 해석해야 하는지는 알아야 적절히 사용할 수 있을 것이다. 데이터를 통해 학습시키는 변수는 X라 표시하고 predictor, 또는 regressors, ..