MoT Code Pattern Study 2018 June

• All right reserved @ MoTlabs 2018

스터디 목적

• 실라보스 링크
• 빠르게 아이디어를 검증할 수 있는 코드 패턴 찾기
• 디버깅을 간편하게 해주는 코드 패턴 찾기
• 코드 재사용 성능 높여주는 코드 패턴 찾기
• 훈련시간을 최소화 시킬 수 있는 파이프라인 찾기
• 간결한 코드를 만들기 위한 패턴 찾기

Contents

• Week1: Preliminary
• Week2 contents link:

- tf.data, tf.glife, tf.python_io.TFrecord (Seoyeon Yang)
- TF fundamental pattern design (Jaewook Kang)

• Week3 contents link:

- tf.layer, tf.estimator, tf.train, tf.test, TFRcord revisit (JoonHo Lee)
- TF 추상화와 간소화, 모델 엑스포트와 서빙 (Gyubok Lee)

• Week4 contents link:

- Recurrent Neural Network 이론 첫걸음! (Seoyeon Yang)
- To quickly implementing RNN (Boseop Kim)
- Recurrent Neural Network 구현 첫걸음! (Jieun Ryu)

• Week5 contents link:

- Hyperparameter & Model evaluation (Yunbum Beak)
- Distributed Tensorflow + TF 구조화 구현 (Doyoung Kwak)

스터디 방식

1. 팀원코드리뷰 : 이전 과제의 코드를 돌아가면서 리뷰한다.

2. 본 발표 : 발표자가 책 해당 챕터 내용을 요약하고 api gslide 준비 하기 (api 문서 자료 찾아서)

3. 스터디 이후 할일

   • 발표자: 자료 업데이트하고 블로깅 (https://motlabs.github.io/ )
   • 다른 팀원: 배운것을 토대로 본인의 코드 업데이트
   • 다음 발표자: 차주 발표 준비

Feedback

• Issues: report issues, bugs, and request new features
• Pull request
• Email: jwkang10@gmail.com

License

• Apach License 2.0:
• http://www.apache.org/licenses/LICENSE-2.0

Contributors

• Jaewook Kang (@jwkanggist)
• Doyoung Gwak (@tucan9389)
• Seoyeon Yang (@howtowhy)
• Boseop Kim (@aisolab)
• JoonHo Lee (@junhoning)
• Yunbum Beak (@yunbum)
• SiYoung Oh (@ohahohah)
• Ryan Lee (@seungjaeryanlee)
• Gyubok Lee (@gyubokLee)
• Jieun Ryu (@Soohyunee)