[Week 4] 분수처럼 흩어지는 종소리 woo, shake!

Fundamental

7. 터미널로 배우는 리눅스 운영체제

첫 주에 배웠던 기본적인 터미널 명령어에 이어 여러 가지 명령어와 리눅스 운영체제에 대해 배웠다. 첫 주에는 리눅스도 처음이고 명령어도 처음이라 기본적인 것도 헷갈렸는데, 그동안 꾸준히 커밋을 해서 지금은 많이 익숙해졌다. 물론 주로 쓰는 명령어는 아직 몇 개 안되지만, 앞으로 차차 익혀나가면서 터미널과 좀 더 친숙해져야겠다.

8. 데이터를 한눈에! Visualization

파이썬 라이브러리 Pandas, Matplotlib, Seaborn으로 그래프 그리는 방법을 배웠다. 도화지를 펼쳐 놓고, 축을 그리고, 그래프를 그리는 것까지 기초부터 차근차근 설명이 잘 되어 있어서 유익했다. 시각화는 따로 배운 적이 없어서 인터넷에 있는 코드를 통으로 긁어와서 사용하곤 했는데, 이제는 코드의 어느 부분이 그래프의 어떤 부분을 나타내는지 이해할 수 있게 되어 좋았다.

9. 사이킷런으로 구현해 보는 머신러닝

지난 번 시각화에 이어 이번엔 머신러닝 라이브러리 Scikit-learn의 사용법을 배웠다. 그동안 실습과 프로젝트에서 늘 빠지지 않고 사용했던 라이브러리인데, 머신러닝이 어떤 과정으로 이루어지는지 기본적인 원리를 배울 수 있었다. Scikit-learn이 굉장히 직관적으로 잘 설계된 라이브러리라는 것을 다시금 느낄 수 있었다.

 

 

---

Exploration

5. 사람이 말하는 단어를 인공지능 모델로 구분해보자

기존에 다뤄본 이미지, 텍스트 데이터가 아닌 오디오 데이터를 처음으로 다루게 되었다. 소리의 연속적인 파장을 샘플링하여 숫자로 나타낸다는 것 자체가 신기했다. 생각해보면 이미지나 텍스트를 픽셀 단위, 단어 단위로 잘게 쪼개서 숫자로 인코딩했던 것과 같은 원리인데, 오디오는 유난히 생소하게 느껴졌다. 눈에 보이지 않는 청각의 자극을 숫자의 배열이나 Spectrogram 같은 시각적 데이터로 변환하는 것이라 그런 것 같다. 갑자기 생각난 건데, 옛날에 문학 시간에 배웠던 공감각적 심상 중에 '청각의 시각화'의 단골 예시로 나왔던 '분수처럼 흩어지는 종소리'도 이와 비슷한 맥락인 듯하다.

 

('분수처럼 흩어지는 종소리'란 이런 느낌일까...)

 

6. 작사가 인공지능 만들기

지난 주 영화리뷰 텍스트 분류에 이어 두 번째로 텍스트 데이터를 다뤄보았다. 인공지능에게 작문을 시킨다는 개념이 재미있었고, 첫 프로젝트보다 훨씬 수월하게 진행되었다. 모델을 학습시킨 후 이런 저런 단어들을 주면서 작문을 시켜봤는데, 나름 말이 잘 되는 문장들을 뱉어내서 epoch을 돌린 보람을 느꼈다. 뭔가 형체는 없지만 귀여운 사이버 아기 로봇에게 말을 가르치는 듯한 기분이 들어 흥미로웠다.

 

(훗... 귀여운 녀석 woo, shake!)

 

---

한 주를 마무리하며

벌써 1월 말이다. 다음 주 이 시간이면 1월의 마지막 주를 돌아보며 글을 쓰고 있을 것이다. 가끔 딴 생각할 때의 의식의 흐름만큼이나 한 주가 빠르게 지나가는 것 같다. 정신을 꽉 붙들어 매고 지금 배우고 있는 것들을 잘 정리해두는 것이 당분간의 목표이다. 그래도 희망적인 사실은 그날 할 일을 밀리지 않고 제때 잘 끝내고 있다는 것이다. 매일매일 하루를 충실하게 보내다보면 그 하루가 모여서 일주일이 되고, 한 달이 되고, 6개월이 되리라 믿는다.