활동 안내

방학 중 스터디 세션

1. Machine Learning

Machine Learning 스터디에서는 인공지능의 한 분야인 머신러닝의 기초 이론과 모델링 등을 학습합니다. 매주 세션 전까지 스터디원들은 <Hands ON Machine Learning>와 <An Introduction to Statistical Learning> 교재를 읽고,이를 바탕으로 과제를 수행합니다.

교재를 통해 데이터과학 개론을 비롯하여 MSE, Binary Cross Entropy와 같은 Loss Function, 과대 적합을 해결하는 Ridge, Lasso 등과 같은 Regularization 등의 개념을 학습합니다. 스터디 분반장은 세션에서 주차별 내용을 통계적, 수리적으로 풀어 설명하고, 스터디원들간 질의 응답을 통해 내용을 더 자세하게 이해하며 소통하는 시간을 가집니다. 또한, 스터디에서 배웠던 내용으로 매주 팀끼리 파이썬 프로젝트를 수행하면서, 다양한 데이터를 다루고 Decision Tree, XGBoost, SVM 등의 다양한 모델을 구현하고 발표를 하여, 모델을 통하여 데이터를 해석하는 능력을 기를 수 있습니다.

2. Deep Learning

Deep Learning 스터디에서는 NLP(Natural Language Processing), CV(Computer Vision) 등의 기반이 되는 여러 기초적인 딥러닝 기법들을 학회원들이 습득함을 목표로 운영됩니다. 학술부 소속 분반 장이 매주 세션마다 이론 강의를 진행하며, 스터디 내 학회원들은 수강한 내용에 대한 복습 과제를 한 주에 걸쳐 수행합니다. 수업 교재로는 <밑바닥부터 시작하는 딥러닝>,<PyTorch로 시작하는 딥러닝 입문>을 활용하며, 복습 과제로는 Python의 PyTorch 라이브러리를 주로 활용하여 교재 독해와 코딩 실습을 수행합니다. 스터디에서는 다층 퍼셉트론(MultiLayer Perceptron), 역전파(Backpropagation), Convolution 등의 기초적인 개념과 CNN, RNN, LSTM, GRU와 같은 딥러닝 기법 등의 Topic을 다룹니다. 캐글(kaggle), 유튜브와 같은 다양한 방법을 활용한 추가적인 학습 또한 권장하며, 매주 세션에서 스터디원들은 새롭게 알게 되거나 어려웠던 부분들을 공유하는 시간을 가집니다. 정규 세션이 끝난 뒤, 배운 내용을 바탕으로 조를 나누어 소규모 프로젝트를 진행합니다.

3. Natural Language Processing

NLP 스터디에서는 언어를 컴퓨터로 처리하는 인공지능 분야인, '자연어 처리'의 기초와 적용에 관해 공부합니다. <밑바닥부터 배우는 딥러닝> 등 자연어처리의 기초 이론부터 다루는 교재의 진도를 따라가며 이론을 학습하는 방식으로 스터디를 진행합니다. 이 과정에서 기초적인 인공 신경망 모델인 CNN, RNN부터 word2vec, seq2seq, attention, transformer 등의 모델을 파이썬으로 직접 구현해보고, Pytorch나 Tensorflow를 통해 데이터에 적용해봅니다. 또한, 매주 간단한 챗봇 구현, 영화 리뷰 데이터 감성 분석, 번역기 제작 등 학습한 모델을 활용해 개인 토이 프로젝트를 진행하며 자신의 아이디어를 바탕으로 직접 자연어 데이터를 다루는 실습을 할 수 있습니다. 이렇게 방학 세션 동안 자연어처리(NLP) 스터디를 진행한 뒤, NLP를 더 공부하고자 하는 팀원들은 자율적으로 모여서 NLP관련 논문 Reading등 심화 스터디 또는 프로젝트를 진행합니다.

4. Computer Vision

Practical Computer Vision 분반은, image classification, object detection, neural style transfer, GANs 등, 딥러닝을 이용한 컴퓨터 비전에서 인기 있는 주제들에 관하여 공부하는 스터디입니다. 각 주제에 대하여 주요 개념을 공부하고 배운 내용을 Tensorflow와 PyTorch로 실현하는 LAB세션을 가집니다. 매주 조별 과제의 주제가 바탕이 되는 응용 프로젝트에 참여하고, 매주 내용에 관하여 관련 논문을 읽고 정리하여 발표하는 과정을 통해 각 분반원들은 컴퓨터 비전에 대한 실전적인 경험과 실력을 쌓을 수 있습니다. 방학 동안 한 주제를 깊게 공부하기보다는, 컴퓨터 비전의 다양한 주제를 접하며 전반적인 맥락을 잡고, 학기 중에 자신이 더 배우고 연구하고 싶은 분야를 선택할 수 있습니다.

5. Python 기초

Python 기초 스터디는 파이썬을 처음 접해보거나, 기초를 다지고 싶은 학회원들을 대상으로 진행됩니다. 주 1회씩 총 4주간 진행되며 Datacamp를 활용합니다. Numpy, Pandas, Matplotlib, 사용자 정의 함수 등 데이터 분석 및 시각화와 관련된 파이썬 문법 을배웁니다. 매주 Datacamp의 단원을 세분화한 뒤, 스터디원들은 본인이 맡은 파트를 정리해오고 문제를 만들어옵니다. 그리고 스터디 시간에는 자신의 파트를 스터디원들에게 설명하고, 각자 만들어온 문제를 함께 풀어봅니다. 서로 자유롭게 소통하며 공부하는 방향으로 스터디가 진행되며, 본격적인 프로젝트에 들어가기에 앞서 기초적인 파이썬 문법을 익히는 것을 목표로 합니다.

 

---

KUBIG 데이터 분석 대회

두 달 동안 공부한 내용을 바탕으로 KUBIG 자체적인 데이터 분석 대회를 개최합니다. 머신러닝 또는 딥러닝을 이용한 분류 모델 만들기, NLP, CV를 활용한 앱 개발 등 소규모의 팀별 프로젝트를 진행합니다. 방학 세션에서 배운 내용을 복습하며, 실제 데이터에 모델들을 활용할 소중한 기회입니다. 이 경험을 통해 DataScientist로서의 역량을 한층 더 키우게 됩니다. 또한, 팀별로 소통하고 하나의 목적을 향해 달려나가면서, Co-working의 가치에 대해서도 배우게 됩니다.

 

---

학기 중 정규세션

심화 스터디

팀 별로 관심있는 주제에 대한 심화 스터디를 진행합니다. 팀 안에서 공부한 내용을 "KUBIG 2021-2 활동블로그"에 지속적으로 업로드하여, 학회원을 포함해 데이터분석을 공부하는 사람들과 지식을 나누며 함께 성장해나가고자 합니다. 

 

스터디 주제

• 강화학습 스터디
• 분류/예측 모델 스터디
• 의료 데이터 스터디
• 추천시스템 스터디
• 코드 분석 스터디
• NLP 스터디1
• NLP 스터디2
• NLP&추천시스템 스터디

장기 프로젝트

KUBIG에서 공부한 내용을 바탕으로 데이터 분석 프로젝트를 진행합니다. 2022년 1월 "KUBIG 컨퍼런스"를 개최하여 프로젝트 결과를 공유하는 시간을 갖습니다.

 

장기 프로젝트 주제

• KLUE 한줄 요약 프로젝트
• 이미지(Vision)
• 금융 데이터
• 분류/예측 모델
• 추천시스템
• 의료 데이터
• 의료 영상 분석