이자다의 기록

https://thinkware.career.greetinghr.com/o/81036 아이나비 전장 SW 연구개발 (신입/경력) 팅크웨어의 채용공고를 확인해 보세요. thinkware.career.greetinghr.com 팅크웨어에 올라온 채용공고를 참고하여 기업을 분석한다. 차량용 제품 제어 및 전원관리는 임베디드 프로그래밍의 영역인 것 같다. MICOM은 MCU와 같은 말이고 CAN 프로토콜은 MCU간의 통신 기술인 것 같다. 임베디드 프로그래머를 모집하는 공고다. 임베디드 프로그래머의 경우엔 제조업 기반의 프로그래밍이라 제조업이 점점 죽어가는 우리나라 같은 경우 임금은 적은데 사람은 많이 굴리고, 현직자들도 미래를 그리 좋게 보지 않는다는 글이 많다. 특히나 나는 이쪽 분야를 전혀 모른다. 아두이..

https://www.youtube.com/watch?v=93wPTJ879ng 위 영상을 보고 입사지원서를 넣을 기업들을 분석하는 방법을 배웠고 이를 여기에 정리한다. 1. 지원할 기업의 공식 홈페이지에 들어가서 회사 소개, 기업 소개를 보고 이 회사가 뭘 하는 회사인지, 뭘 팔아 수익을 만들어내는 회사인지 파악하고 대표이사 이름도 알아낸다. 2. 대표이사 이름을 네이버에 검색한다 (예: 한샘 김진태). 뉴스탭에서 3개월 필터를 걸어두고 기사들을 살펴본다. 가장 중요한 기사는 1. 신년사 2. 언론사의 대표 인터뷰 이 두개인데 이 기사들에는 기업 분석에 필요한 내용들이 전부 들어가 있어 이 기사들이 나오면 기업 분석이 끝났다고 보면 된다. 기사에서 살펴볼 점은 회사의 최신 상황, 투자 경향 등이다. 3...

IT 개발자는 종로, 강남, 구로디지털단지, 판교, 신분당선 근처 중 하나로 알아보는 게 좋음. 청약신청 후 서류제출 대상자가 되었을 때 서류제출을 하지 않으면 탈락처리만 되고 불이익은 없음. 서류제출 후 입주 대상자로 선정되었을 때 담당자에게 대상자 자격을 포기하면 불이익 없이 포기가 되고 다음 입주 신청을 받을 때 신청할 수 있음. 입주 대상자로서 계약까지 다 끝내고 나서 포기한다고 하면 위약금이 일부 발생함. 주거급여 수급자는 수급자 경합 시 가점이 존재하지 않음. 분양권을 가지고 있으면 유주택자임. 정확히 세대원 중 누가 차상위 계층인지, 누가 주거급여 수급자인지 등을 알고 있어야함.

import yaml # 아래는 Roboflow에서 생성한 데이터셋의 yaml 파일의 예시이다. # names: # - car # - large_bus # - large_truck # - medium_truck # - small_bus # - small_truck # nc: 6 # roboflow: # license: BY-NC-SA 4.0 # project: car_bus_truck_detection_2 # url: https://universe.roboflow.com/cardetection2/car_bus_truck_detection_2/dataset/3 # version: 3 # workspace: cardetection2 # test: ../test/images # train: car_bus_tr..

잘 되던 opencv-python이 갑자기 오류가 생겼다. 구글링을 해보니 해당 오류는 꽤 잦은 오류였고 특정 경우가 아니라면 해결법은 쉬웠다. 1. 관리자 권한으로 파워셸 등 터미널 열기 2. 아래의 코드 작성 pip uninstall opencv-python-headless pip uninstall opencv-python pip install opencv-python 3. 프로그램 재실행 위의 코드를 작성하여 실행 후 vscode를 닫고 다시 시작하였더니 정상적으로 수행이 되었다. 원인은 구글링 해보니 아마 opencv-python이 의존하는 opencv의 버전 문제 같은데 opencv의 버전이 변할 때 종종 이런 오류가 생기는 것 같다.

구글 코랩으로는 한 에폭에 5분 30초 정도 걸리던 게 분명 GPU를 사용함에도 한 에폭에 2시간을 예상하고 있다. 이 정도면 한 에폭을 다 하기도 전에 컴퓨터가 고장날 지 걱정해야할 판국이다.

YOLOv8를 이용하여 model.train()을 수행하려 할 때 나타난 오류이다. pip uninstall ultralytics 명령어로 ultralytics를 언인스톨 후 다시 설치하여 해결하였다. 원인은 다른 주피터 노트북에서 이미 ultralytics를 인스톨 하였는데 model.train()을 수행할 노트북에서 ultralytics를 git clone으로 가져와서 설치하여 오류가 나타난 것 같았다.

전에 주워듣기론 YOLO 같은 모델은 파인튜닝 시 최소 300 에폭은 돌려야 한다고 들었는데 그렇다면 모델이나 데이터셋 크기 등을 기준으로 최적의 에폭수가 있는지 해서 찾아봤다. chatGPT나 데이터 사이언스 톡방 등에 질문해보았는데 정해진 에폭수는 없다는 답을 얻었다. 모델 훈련 결과로 나오는 파라미터를 보고 개발자가 최적의 방향으로 나아가는게 최선이라고 한다. 아마 YOLOv8의 patience 옵션처럼 해당 모델이 n에폭 동안 성능 향상이 없으면 훈련을 중단시키는 것도 이를 위해서인 것 같다. 성능 향상은 없는데 계속 훈련시키면 과적합의 위험이 있으니 성능은 가져가면서 과적합 위험을 줄이기 위함일 것이다. 정해진 기준이 없다면 결국 개발자가 성능의 그래프를 보고 해당 모델을 더 훈련시킬지 말지를 ..

https://github.com/ultralytics/ultralytics/issues/6544 Problems that arise when object annotations are not intentionally performed on images · Issue #6544 · ultralytics/ultralytics Search before asking I have searched the YOLOv8 issues and discussions and found no similar questions. Question As I am a foreigner, I used a translator to write my question, so please understand t... github.com 위 깃허브..

현실 데이터에는 클래스 불균형 문제가 자주 발생한다. 나의 경우에는 사거리 통행 차량 촬영 영상에서 승용차의 개수가 트럭과 버스에 비해 압도적으로 많아서 큰 불균형이 생겼다. 왜 데이터가 클래스 균형을 이루어야할까? 데이터의 클래스 균형의 핵심은 소수의 클래스에 특별히 더 큰 관심이 있는 경우에 필요하다. 현재 나의 재정 상황을 고려해서 물건을 살지 말지 예측하는 모델을 만든다고 할 때 사라고 에측하는 것과 사지 말라고 예측하는 것은 그 무게가 다르다. 물건을 사라고 예측하는 것은 훨씬 더 큰 리스크를 수반한다. 잘못된 투자는 큰 손실로 이어질 수 있기 때문이다. 따라서 물건을 사라는 예측에 대해서는 더 큰 정확도를 가져야 한다. 하지만 데이터가 물건을 사지 마라는 클래스에 몰려있는 경우 물건을 사지 말..