cxxxxxx 스토어

cxxxxxx

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

2개
전체 판매량

40개
최근 3개월 판매량

0개
자료후기 점수

평균A+
자료문의 응답률

-

전체자료 2개

판매자 표지

국가 이공계장학금 전인적 인재 성장 계획서

전인적 인재 성장 계획서1. 사회공헌 노력 및 활동첫 봉사활동 – 아동을 중심으로종교적 신념과 취약계층이 많았던 당시 거주지의 위치의 영향으로, 저는 어릴 적부터 사회적 약자에 대한 관심이 있었습니다. 그 중에서도 저는 아동 취약계층에 관심을 가지고 봉사활동을 시작했습니다. 그 방법은 도시락 배달 봉사와 재능기부였습니다.취약계층 가정에 도시락 배달을 약 반년 간 진행하면서 “조금만 시각을 넓히니 어려운 취약계층이 이렇게나 많구나” 하는 생각이 들었습니다. 그와 동시에 내가 당연시 받은 (사)교육은 누군가에게는 사치라는 것을 깨달았습니다. 그리고 도시락 배달과 함께 간단하게나마 일본어 재능 기부 활동을 병행하였습니다. 아주 높은 수준의 재능 기부는 아니었지만 그 과정에서 누군가에게는 재능과 적성을 찾아주고, 공부에 보탬이 될 수 있었습니다. 작지만 내가 알고 있는 지식을 가치 있게 활용할 수 있어 기쁘고 뿌듯한 경험이었습니다.검정고시 – 내 경험이 누군가에게 도움이저는 자기주도학습을 기반으로 한 중,고등학교 검정고시 경험을 가지고 있습니다. 하지만 체계적인 목표를 가진 학생보다는 막연하게 검정고시를 고려하는 학생들이 더 많다는 것을 알게 되었습니다. 수험생 시절의 제가 활발하게 활동하던 입시 관련 사이트에는 자퇴나 검정고시를 고민하고 있는 학생이 꽤 많이 있었습니다. 그 사이트에서 활동하던 약 2년 간 그러한 학생들을 대상으로 상담 활동을 진행했습니다.또, 집으로 가는 KTX에서 우연한 계기로 같은 지역 사람을 만나 이야기한 적이 있습니다. 짧은 시간 동안 개인적인 이야기를 주고받다가, 저의 검정고시 경험을 이야기 했습니다. 그러자 그 분은 공부를 싫어하며, 학교에 가는 대신 검정고시를 치고 싶어한다는 고등학교 1학년 아들 이야기를 하시며 저에게 도움을 청했습니다.‘내 경험이 누군가에게 조금이나마 참고가 되었으면‘ 하는 마음으로 그 친구와 수 회에 걸쳐 이야기하며 교육봉사(과외) 활동을 진행했습니다. 지금도 가끔 연락을 주고받는 그 친구는 고등학교를 자퇴하고 대안학교에서 검정고시를 준비하고 있습니다.제 경험이 검정고시를 막연한 자신감만으로 고려하거나, 도피성으로 생각하는 학생들에게 도움을 줄 수 있어 감사했던 경험들이었습니다.2. 대학 생활 중 사회공헌 등 활동 계획저는 단순히 나의 성공, 나만을 위한 공부가 아니라 남에게도 도움이 될 수 있는 이른바 “공부해서 남도 주는” 공부를 지향합니다. 단기적으로는 대학에서 배운 일본어와 코딩을 통한 교육 봉사를 꿈 꾸고 있습니다.교내 일본인 유학생, 일문과 학생들, 교수님들과 협의 하여 더 많은 학생들에게 더 높은 수준의 교육 봉사를 진행하려고 계획하고 있습니다. 또 온라인으로 일본어 과외를 진행했던 경험을 살려 일본어에 관심있는 타 지역 학생들을 대상으로 온라인 교육봉사를 진행하는 것도 고려하고 있습니다.동시에, 졸업 전까지 SCPC 등의 대회와 인턴활동으로 폭 넓은 실무 경험을 쌓으려 합니다. 또 그 경험을 기반으로 소프트웨어 교육봉사단, sw교육기부단 등을 통해 전공인 코딩 교육 재능기부를 계획하고 있습니다.3. 사회 기여·환원 계획스타트업 CEO의 꿈-선한 영향력어릴 적 부터의 꿈은 “선한 영향력을 행사하는 사람”이었습니다. 막연하게 “어떤 일을 할 지는 모르겠지만 돈을 많이 벌어서 기부를 많이 하고 싶다”고 생각하다가 대학생이 되어서야 그 꿈을 구체화할 수 있었습니다.대학 재학 중 수 차례에 걸쳐 정부지원사업을 진행하며 스타트업 CEO를 꿈꾸게 되었습니다. 특히 기업, 창업 관련 교양과목을 수강하며 기업윤리, 기업의 사회적 책임에 대해서 많은 고민을 하게 되었습니다. 그 과정에서 “작게는 더 많은 가치와 일자리를 창출하고, 크게는 복지재단을 만들고 싶다”는 목표를 설정했습니다.스타트업으로 성공할 수 없더라도 궁극적으로는 공부를 할 수 없는 형편의 학생들이 마음 놓고 공부할 수 있도록 “단 몇명이라도” 지원하고 싶습니다. 그리하여 그 학생들이 또 다른 학생들을 가르치고 사회에 기여하는 “선순환”이 이루어지도록 하는 것이 저의 비전입니다.

기타| 2024.04.24| 2페이지| 4,000원| 조회(408)

국가장학금, 이공계장학금, 전인적인재성장계획서, 국가이공계장학금

미리보기

닫기
인공지능 대학원 전공 면접 준비자료(약 150문항) 평가A+최고예요

인공지능 대학원 면접 준비 자료(한/영)인공지능 대학원 면접에 필요한 ML/DL/수학(선형대수학, 통계 등) 관련 기초 지식을 25페이지(약 140개)로 정리한 자료입니다.제가 준비했던 UNIST 면접은 영어로 진행되어, 한국어와 영어를 개조식으로 서술하였습니다.AI, ML, DL- 인공지능은 기계가 인간 지능을 모방하는 능력- 기계학습은 기계가 데이터로부터 학습할 수 있도록 하는 인공지능의 하위개념- 딥러닝은 인간의 뇌 구조를 모방한 deep neural network를 이용한 기계학습의 하위 개념- Artificial Intelligence is the ability of machines to simulate human intelligence.- Machine Learning is a subset of AI that enables machines to learn from data.- Deep Learning is a subset of ML using a deep neural network which is designed to mimic the structure of the human brain, with multiple layers of interconnected nodes.When to Use Machine Learning vs. Deep Learning- 머신러닝을 사용하느냐, 딥러닝을 사용하느냐는 문제 복잡도와 데이터, 하드웨어 자원에 달림- 머신러닝은 분류와 회귀같은 간단한 문제, 딥러닝은 이미지나 음성인식같은 복잡한 문제- 머신러닝은 작은 데이터셋, 딥러닝은 더 큰 데이터셋이 필요- 딥러닝은 GPU와 같은 더 큰 컴퓨팅 자원이 필요- The choice between ML and DL depends on several factors, such as Task Complexity, Data, and Hardware Resources.- ML is a good choice for simple classification or regression problmputes the gradient using the entire training dataset and updates the parameters at each iteration- This can result in longer training times and higher computational costs.Stochastic Gradient Descent- GD는 non-convex에서 로컬 미니멈에 빠질 수 있다.- SGD는 매 반복마다 전체 데이터셋이 아닌 랜덤으로 데이터셋을 뽑음- 최소값에 도달하려면 GD보다 더 많은 반복 횟수가 필요하지만 계산 비용이 훨씬 저렴- Gradient descent may get stuck in local minima when optimizing non-convex functions- SGD randomly picks training dataset, called batch, instead of using the entire dataset for each iteration- Even though it requires a higher number of iterations to reach the minima than typical Gradient Descent,it is computationally much less expensive than typical Gradient Descent.momentum- 이전 업데이트의 일부가 현재 업데이트에 추가되어 알고리즘이 최소값을 향해 더 빠르게 이동할 수 있도록 하여 알고리즘의 수렴을 가속화하고 Local Minima를 극복하기 위해 사용- technique to accelerate the convergence of the algorithm and overcome local minima.- Fraction of the previous update is added to the current update and helps the algorithm to move faster towards ths two maximum values- linear regression output is the continuous value while logistic regression predicts the probability that an instance belongs to a given class or not.kNN- 주어진 데이터 세트에서 데이터 포인트의 유사성을 기반으로 예측을 수행하는 비모수적 방법- 쿼리 지점에 대해 가장 가까운 그룹이나 가장 가까운 지점을 결정하기 위한 거리 측정법으로 유클리드, 맨해튼 등이 있음- a non-parametric method that makes predictions based on the similarity of data points in a given dataset- to determine the nearest points for a query point, It needs distance metric like Euclidean, Manhattan DistanceClustering, K-means- 클러스터의 특성에 대한 감독이나 사전 지식 없이 유사한 데이터 포인트를 함께 그룹화하는 것- K-means클러스터링은 각 클러스터의 분산을 최소화하여 데이터 포인트를 K개의 클러스터로 나눔- 그런데 K는 하이퍼파라미터이기 때문에 k의 초기화에 좌우됨- proecess of grouping similar data points together without supervisor or prior knowledge of the clusters.- K-means clustering divides data points into K clusters by minimizing the variance in each cluster.- Since K is a hyperparameter, performance can vary greatly depending on how K is set.Decision Tree- 분류 및 회귀에 사용되는 비모수 지도학습 방쪽으로 처리하는 단방향 Transformer 아키텍처 사용- GPT는 모델이 시퀀스의 다음 단어를 예측하는 CLM으로 학습되어, 일관되고 상황에 맞는 텍스트 를 생성하도록 함- Bert는 양방향 Transformer 아키텍처를 활용하고, MLM, NLP 작업으로 학습됨- 이 조합은 BERT가 문장 내 관계와 문장 간 관계를 모두 이해하는 데 도움이 됨- GPT utilize a unidirectional Transformer architecture, processing the text from left to right- GPT is trained using a causal language model (CLM) task, where the model predicts the next word in a sequence. - It helps GPT in generating coherent and contextually relevant text.- Bert utilize a bidirectional Transformer architecture, and is trained using a masked language modeling(MLM) and next sentence prediction(NLP)- This combination helps BERT in understanding both the intra-sentence and inter-sentence relationships.Vector VS Matrix- 벡터는 크기와 방향을 가진 것으로 숫자들의 리스트, 행렬은 행과 열로 정렬된 숫자들의 배열- Vector is a list of numbers that has magnitude and direction.- matrix is a table of numbers that is arranged by rows and columns.Norm- 벡터의 크기나 길이를 나타내는 개념- concept that represents the size or length of a vectoThe objective is to minimize the error in b−Ax by finding the optimal value x hat.Gram-Schmidt Orthogonalization- 선형 독립인 벡터를 orthogonal한 벡터로 만드는 과정이다.- It is a process for turning a linearly independent vector into an orthogonal vectorQR 분해- Gram-Schmidt 과정을 사용하여 열 벡터들을 직교 벡터들로 변환한 후 주어진 행렬을 직교행렬과 상부삼각행렬의 곱으로 분해하는 과정- 일반적으로 Gram-Schmidt 과정을 사용하여 열 벡터들을 직교 벡터들로 변환한 후 분해함- QR decomposition is the process of decomposing a given matrix into the product of an orthogonal matrix and an upper triangular matrix by applying the Gram-Schmidt orthogonalization to transform the column vectors into orthogonal vectorsEVD(spectral decomposition) - 고윳값 분해- 정방행렬을 고유값과 고유벡터로 분해하는 기법으로- EVD는 기존의 선형변환을 '돌리기','늘리기','돌리기'의 세 과정으로 분해해서 생각할 수 있게 함.- process of decomposing a square matrix into a combination of eigenvalues and eigenvectors- EVD allows us to think of the linear transformation as a sequence of three steps: rotate, stretch, and rotate.diagonalizable- 행렬의 고유값이 중복되지 않으면 고유벡터는 자동적으로 일차독립이다. 따라서 고유값이 모ta.

면접준비| 2024.01.01| 26페이지| 20,000원| 조회(937)

인공지능대학원, ai대학원, 인공지능대학원 면접, UNIST 인공지능대학원

미리보기

닫기