안녕하세요. 최근에 약 3년 6개월정도 사용한 제 노트북이 각종 이상증세를 보여서, 

스스로 노트북을 점검하고, RAM,SSD 업그레이드 까지 해보았습니다.

저와 같은 문제를 겪고계신 분들을 위해 글을 남깁니다..

먼저 첫번째 문제점은 노트북의 열고닫는 고리가 망가져 하판이 벌어지고, 여닫는게 잘 되지 않았습니다. 

이 문제는 드라이버만 있으면 금방 수리가 가능합니다.

LG그램 기준으로 노트북 하판은 십자 드라이버를 쓰셔서 왼쪽으로 나사를 돌리면 되는데요,

나사를 돌리고 카드 등을 이용해 하판을 열면 여닫이 고리 부분에 나사가 빠져있는것을 확인하실 수 있을것입니다.

빠진 나사는 보통.. 노트북 안쪽 빠진 위치 근처에서 굴러다니고있더라구요.

빠진 나사만 제대로 끼워주면 여닫는건 잘 되실 겁니다.

두번째 문제점 은 스페이스바가 안눌렸습니다. 갑자기 안되더라고요.

LG그램은 하나의 키가 고장나면 자판을 몽땅 뜯어내고 교체해야한다고 해서 어떻게든 해결해보려 했습니다.(약 2-30만..)

인터넷에 찾아보니 접점 연결문제일수도 있다고해서, 먼저 '접점 부활제'로 불리는 스프레이식 세척용액을 구매했습니다.

그런데 제 노트북은 접점 문제가 아니었는지.. 안살아나더라구요. ㅠㅠ

그래서 생각한게, 차라리 스페이스바 신호를, 잘 안쓰는 키로 옮겨서 쓰자! 였습니다.

저는 KeyTweak 무료 프로그램을 다운 받았습니다.

여기서 Choose New Remapping 에서 어떤 키를 어떤 키로 신호를 바꾸고 싶은지 설정할 수 있습니다.

저는 왼쪽 쉬프트 키를 스페이스바로 변경해서 사용중입니다.

쉬프트키는 오른쪽에도 있어서 불편함은 딱히 없는 것 같습니다.

이제는 새끼 손가락으로 스페이스바를 치는데 엄청 익숙해져 있어요.. 

(주의하실점은 내 노트북에 있는 키가 저 프로그램에도 있어야 설정이 먹힌다는 것입니다.

예를들어 제 노트북에 있는 한/영 키는 저 프로그램에 인식이 안돼서, 한영키를 스페이스바로 바꿀수없습니다.)

세번째 문제점은 메모리 공간 부족입니다. (저장공간 아님!! 저장공간 관련은 네번째 문제점 보세요)

대용량 빅데이터를 분석할 일이 있었는데,

한꺼번에 많은 양을 처리하려고하면 꼭 메모리가 부족하다는 에러가 발생하더라구요.

저는 랩실에서 공용으로 사용하는 서버를 사용하면 되긴 한데,

로컬컴퓨터에서도 이정도는 돌아가게 하고싶다는 생각에 RAM을 추가로 구입해 교체하였습니다.

참고로 제 노트북 모델은 LG그램 15Z980-GA50K이며, RAM은 삼성전자의 DDR4-8GB를 사용했습니다.

아래의 사진을 참고하세요.

RAM을 구입하실때 주의하실점은, 일단 내 노트북이 RAM의 교체나 추가가 가능한 모델인지 알아보셔야한다는 것입니다. LG그램같은 경우는 RAM을 추가할수 있도록 슬롯이 있어서 추가가 가능했던것이고요.

참고로 작업관리자 - 성능 에 들어가보시면 가능한지 확인이 가능한데요.

오른쪽 아래에 사용된 슬롯 2/2 가 있는게 보이시나요? 이 의미는 RAM을 넣을 수 있는 슬롯이 2개가 있고,

현재 두 슬롯 모두 사용중이라는 의미입니다. (저는 1개만 끼워져있다가, 하나를 추가해서 2개가 되었습니다.)

(RAM을 끼운 후 작업관리자를 통해 정상적으로 인식되는지 확인할수도 있겠죠)

RAM의 교체나 추가가 가능한 모델이라면, 최대 가능 용량, 호환되는 RAM 종류를 파악하셔야합니다.

아무 RAM이나 사셨다가 안맞으면, 환불하고 다시 구매하셔야해요.. (인터넷서칭필수)

저의 경우에는 최대 가능 용량이 8GB였고,삼성/하이닉스 PC4- 등의 종류와 맞아 삼성것으로 주문을 했습니다.

제 (막써서더러운) 노트북 입니다.

노트북 하판의 고무? 같은것을 빼준 후 십자 드라이버를 이용해 나사를 풀어줍니다.

(십자 드라이버 관련해서는 글 맨 아래의 내용을 참고해주세요)

하판을 분리한 사진입니다. 저는 정말 막써서 침수 흔적이나 먼지가 많이 쌓였더라구요. 미안한마음에 먼지라도 대강 청소해주었습니다. (다음엔 써멀이라도 재도포 해줄게..)

메모리를 넣는 공간은 "여기"라고 써둔 곳입니다. 넣을때는 아래 연결부분에 맞춰 메모리를 끼워넣고 

꾹 눌러서, 양쪽 철사가 메모리를 잡아주도록 끼워주면 됩니다.

!! 혹시 메모리를 끼웠는데 노트북이 화면이 안켜진다? 전원이 켜졌다가 꺼졌다가 한다?

 --> 메모리 접촉 불량 문제입니다. 전원 다시 끄고, 끼웠던 메모리 빼서 청소해주고 다시 끼워주세요.

저는 집에있는 지우개로 RAM 표면을 조금 닦아주었더니 잘 되었습니다.

네번째 문제점은 저장공간 부족 이었습니다. 

저는 기본으로 256GB의 저장공간을 가지고 있었는데 사용하다보니 꽉 차서 3기간가.. 밖에 안남았더라구요.

3기간가밖에 안남으면 카카오톡 실행도 안됩니다. 저장공간이 부족하다고 떠요...(알고싶지않았던사실)

여러분도 이 문제를 겪고계신가요? 그렇다면 일단 SSD 구입 후 업그레이드를 생각하시기보다,

안쓰는 파일, 필요없는 파일들을 정리합시다.

저는 이렇게 파일을 정리해서 남은공간을 3기가 --> 56기가 까지 늘렸습니다.

(그 후 또 이것저것 다운로드를 받아서 37기가가 남게 되었네요)

저는 일단 Wise Disk Cleaner 라는 무료 컴퓨터 청소 툴을 이용해서 일반 정리/ 고급 정리 다 해주었고,

네이버 클리너 툴도 사용해서 이것저것 더 청소를 해주었습니다.

사실 이런 클리너를 이용해도 실제 "나한테 필요없는파일"을 다 지워주진 못합니다.

그러니, 노트북의 프로그램 파일 삭제/수정 에 들어가서, 하나하나 다운로드 되어있는 파일을 살펴본 후, 제게 필요없는건 과감히 지워주었습니다. 최근 사용 기록이 언제인지도 함께 나오니, 꽤 오래 안쓴건 과감히 지워버리면 됩니다.

(정말 오래전에 다운받았던 게임들, 예전에 잠깐 쓰고 말았는데 용량만 엄청나게 차지하던 그래픽, 영상 제작 툴들 등..)

그리고!! 가장 효과를 많이 봤던건, 다운로드 폴더를 싹 날려주었습니다. 다운로드 폴더에있는걸 3년 반동안 안날리고 계속 가져가니까, 임시파일만 20GB가 쌓여있더라구요 -_-.... (다운로드 폴더는 임시 파일일뿐, 이걸 날린다고 저장된파일이 날라가는게 아니니 걱정말고 싹 청소하면됩니다.) 

이렇게해서 약 50기가의 저장공간을 벌었는데, 그래도 RAM 을 추가하는김에 SSD를 추가해야겠다 싶어 SSD를 구매했습니다.

-->

저는 WD Blue SN550 NVMe SSD M.2 2280, 250GB를 구매했습니다.

RAM을 구매하실때와 마찬가지로, 본인의 노트북에 어떤 SSD 가 적합한지 알아보고 구매하셔야합니다.

제 노트북의 경우, 22*80 사이즈의 M.2 식 SSD 여야 했고, 최대 가능 용량이 250GB였습니다. 

SSD는 NVMe와 SATA 방식으로 나뉘는데요, 저는 둘 모두를 지원하고 있어서 더 빠르고 성능이 좋은 NVMe식을 구입했습니다. (웬만하면 SATA방식보다 NVMe를 구입하시는걸 추천드려요 *단, 본인노트북이 지원하는지 확인해야함)

참고로 저에게 원래 끼워져있던건 SATA방식의 SSD 였습니다. 포트가 둘 다 지원한다면 하나는 SATA, 하나는 NVMe로 끼워줘도 됩니다.

SSD 끼우는데 가장 큰 문제점은 나사였습니다. SSD는 나사를 풀고, SSD를 넣고, 다시 나사를 조이는 식으로 고정을 하는데요..

이 나사가 진짜 드럽게 안빠집니다.

나사가 안풀려서 끙끙대다가.. 이건 드라이버 문제다 싶어 포기했습니다. 나중에 드라이버 사서 다시 끼워보려구요.

(10.09 추가) 드라이버 다시 사서 풀었더니 잘 풀립니다!! 드라이버 정보는 맨 아래에 적어두었습니다.

끼우다가 사진을 찍는걸 깜빡했는데, 사진을 재탕하면..

네모 표시 되어있는 SSD 아랫쪽 나사를 풀고, SSD 라고 써져있는곳에 홈에 맞게 끼우시면 됩니다.

그리고 다시 나사를 조여주면 끝입니다!

다만 자동으로 인식되는 RAM과 달리, SSD 는 자동으로 인식이 안됩니다.

장착 후 디스크가 보이지 않더라도, 당황하지 마시고 아래의 작업을 해주세요.

1. 먼저 윈도우 검색창을 이용해 컴퓨터 관리창에 들어가주세요

2. 오른쪽에 있는 저장소 - 디스크 관리를 눌러주세요. 그러면 아래와 같은 화면이 뜰텐데, 확인을 눌러주세요.

* 만약에 확인을 안누르고 취소를 누르셨다면, 아래 사진의 네모 표시가 된 곳에서 마우스 우클릭하시고,

'디스크 초기화' 를 누르시고 확인 누르시면 됩니다.

3. 확인 후 나오는 단순 볼륨 만들기 마법사를 실행해주세요.

4. 그러면 끝입니다! 새로운 디스크가 할당된것을 확인할 수 있습니다.

다섯번째로, 노트북 분해용 드라이버 공유합니다! (비추천까지)

먼저 안맞았던 드라이버입니다.

저는 쿠팡을 주로 이용해서, 쿠팡에서 드라이버를 구매했는데요..

제일 첫번째로 썼던 드라이버는 이겁니다. Tree 정밀 드라이버.

사지마세요. 이거로는 노트북 하판 나사도 못엽니다. 저는 이걸 샀다가.. 반품하고 다시 샀습니다.

다음으로 산건 Tree 정밀 드라이버 7종세트.

다른거 사세요.

이거는 하판 나사는 열리는데, SSD 고정 나사가 안풀립니다. 

마지막 희망을 걸고 산 세인 정밀드라이버3 7P.

이거로 성공했습니다. 이건 LG그램기준 하판 나사, SSD 나사 다 잘 풀리더라고요.

이거로 사세요 여러분... 위에 두개 사지마세요 ㅡ.ㅡ

되는거 확인하고 다른 드라이버 다 환불했습니다.. 휴

아무튼 모쪼록 제 게시글이 겪고있는 문제점을 해결하는데 도움이 되었길 바랍니다. 

다음에 또 제 노트북에 이상이 찾아오면 또 글 작성하도록 하겠습니다.

(앞으로 이 노트북을 1년 6개월정도 더 쓸 생각입니다!)

오늘 점심때 오랜만에 학과 회장님, 부회장님, 1과대 친구와 밥을 먹었는데, 내년에 학생회장 해보지 않겠냐는 제안을 받았다. 주위에 제대로 맡아 할만한 사람이 없다며, 나라면 잘 할 것 같다고..

그 말을 듣고 생각해보니.. 일단 우리 학생회 안에서는 내가 제일 신경 많이쓰며 잘 이끌어갈것 같긴 하더라.. 제안을 받고 살짝 고민이 됐지만 지금 하려고 계획하고 있는 일들도 많고, 4학년이면 조금 심적으로 부담이 될 것 같아 에둘러 거절했다. 그 후 몇번 더 장난스런 회유가 있었지만 수긍하며 다음 학생회장 후보를 누구를 삼아야할지 고민하시더라.

거절은 했지만 이런 제안을 받을때마다 기쁘다. 그동안의 내 학생회에서의 활동을 인정받은 것 같기도 하고..ㅎㅎ 열심히 잘 해왔다고 칭찬받은 기분이었다. 이후 저녁 IE의밤 행사 관련 회의 때, 게더타운을 소개하면서 역시 학생회장 해야한다는 소리를 또 해주시더라. 조금 멋쩍었지만 역시 기분은 좋았다. 나는 칭찬받는게 좋더라.

다른 사람에게 인정받는다는건 참 기쁜 일이다. 학부 연구도, 그 외 다른 프로젝트도, 학점도 다 잘 챙겨서 스스로에게도 인정받는 내가 되어야겠다.

.

.

.

슬슬 2021 학생회도 끝나가나보다. 조금 아쉽다. 코로나만 아니었어도 학생회 언니오빠동생들이랑 재밌게 놀러다녔을텐데. 좋았을 추억이 일부 사라진 기분이다.

9월 활동보고입니다. 9월은 학기 초여서 아직 큰 활동이 없네요. 사실 코로나라 눈에띄는 활동은 하기가 힘든 상황이기도 합니다. ㅠㅠ. 단과대 규모로 할 수 있던 큰 행사 6개도 무산되었다고 해요...얼른 코로나가 끝났으면 좋겠습니다.

안녕하세요. 오늘은 학생회 관련 게시글이자, SW 관련 주제인 메타버스에 대해서 다루려고 합니다.

메타버스! 요즘 핫한 주제이지요. 메타버스는 코로나 19의 확산세로 대면 행사를 할 수 없는 현 상황에 맞추어

온라인으로 비대면 행사를 재미있게 구성할 수 있게 해주는 프로그램입니다.

사실 학생회를 하고 있는 저 또한 우리 산업경영공학과 학우들을 위해, 이번년도 학과 공식 마지막 행사인 'IE의 밤'을 어떻게 준비할지 고민을 많이 했었는데요,

지난번 21학번 신입생 오티때 진행했던 '줌을 통한 팀 대항 레크레이션 게임 진행'의 주제는 다시 하기에 식상해서, 이번엔 메타버스를 이용해 재미있게 진행하기로 하였습니다.

다만 조사해보니 메타버스도 그 종류가 다양했습니다. 그리고 저희의 니즈에 맞지 않는 메타버스 프로그램들도 많았구요. 가령, 무거운 프로그램을 다운받아야 한다거나/ 모바일 베이스로만 실행이 된다거나/ 3D의 예쁜 그래픽이아니라 2D그래픽이라거나/ 레크레이션을 하기에 적합하지 않은 프로그램이라거나/ 예산이 너무 초과되거나/ 업체가 맡아 진행하는데 이미 진행중인 다른 단체가 있다거나/ 100명 이상의 단체가 사용하기 불안정하다거나/사용법이 직관적이지 않다거나 등등...

이런저런 문제점들이 많아 고민이 있었는데, 딱 단체 행사를 위한 메타버스 프로그램을 발견해 저와 같은 고민을 하고있을 여러분께 소개해드리고자 가지고 오게 되었습니다.

메타버스 :  게더타운 

게더타운은 바람의 나라(게임) + 줌 을 합친것같은 귀엽고 깔끔한 캐릭터 및 공간 디자인이 매력적인 메타버스 입니다. PC 및 모바일로 사용이 가능하고, 최대 500명의 동시접속사를 수용할 수 있으며, 25인 이하로는 비용이 무료이고 25인 이상부터 1인당 2달러씩 비용이 발생합니다.(2시간 기준)

게더타운은 각 사용자가 캐릭터를 커스트마이징하여 나만의 3D 캐릭터를 방향키로 움직이며 돌아다닐 수 있으며, 다양한 어트랙션을 활성화하여 편집자(관리자)가 지정해둔 음악을 듣거나, 글씨를 보거나, 게임(테트리스 등)을 하거나, 영상을 보거나 할 수 있습니다. --> 이를 통해 다양한 게임의 구성이 가능합니다.

사용자끼리 일정 구간 이상 가까이 가게되면, 줌처럼 영상이 켜지며 서로의 목소리가 들립니다. 일정 구간을 벗어나면 자연히 연결이 끊깁니다. 일반 채팅 및 비밀 채팅을 할 수 있고, 각 채널별로 관리가 가능합니다. 별도의 다운로드 없이, 크롬으로 바로 들어갈수있어 접근이 용이합니다.

메타버스의 공간은 여러개 생성이 가능하며, 다양한 채널을 임의로 연결하여 다양한 구조를 만들 수 있습니다. 가령, 방탈출 게임/보물찾기 등을 만들 수 있습니다. 공간은 사용자가 임의로 꾸밀수도, 기본으로 제공되는 템플릿들을 이용할수도, 다른 사용자가 만든 공간을 가져올 수도 있습니다. 한 공간을 편집하는 사람은 여러 명으로 지정이 가능해, 여러 명이 공동 작업을 할 수도 있습니다. 편집 또한 코딩이 아닌, 꾸미기 툴을 이용하는 것으로 아기자기하여 꾸미는 재미가 있습니다.

일단 간략한 설명은 이정도인것 같습니다. 한번 아래의 실사용 영상을 봐 보시길 바랍니다.

실사용영상 https://www.youtube.com/watch?v=tRMn2CNyMp4&t=224s

(1분 45초~)

게더타운의 설명이 잘 나와있는 링크입니다.

https://spartacodingclub.kr/blog/60fa4cb0e35c783310017c97#gather_feature

게더타운만드는법입니다.

https://youtu.be/riG4ZGQEHR4

https://youtu.be/eOBUno6uUic

게더타운팀전게임예시입니다.

https://www.youtube.com/watch?v=mbtZLh-QaDg

https://youtu.be/eKOQ-MaVwvc

마지막으로, 게더타운 링크입니다.

https://www.gather.town/

제 게시글이 비대면 행사를 위한 메타버스를 찾는 분들께 도움이 되었기를 바랍니다.!!

실제 저희 학생회도 고민이 많았는데, 제가 게더타운에 대해 조사한 내용을 소개하자마자 이대로 하기로 결정되었습니다..ㅎㅎ

---> 그러나, 모델 평가를 위한 과정에서의 IRB 승인문제, 평가용 Dataset 수집을 위한 뇌파 탐지기 구매의 가용한 예산과 성능(채널 수)문제, 조사 결과 기존 주제와 흡사한 최신 논문의 발견 문제, 자신의 뇌파로 만든 음악을 듣고 개개인마다/상황에따라 니즈가 다른데 정말 '치료적인'목적이 달성될 수 있는가, '심리적 안정성'이 목표라면 스스로 노래를 듣거나 아무 클래식 음악을 틀어줘도 괜찮은 것이 아닌가 등등의 고민으로,

본 계획서의 주제와 세부 목표들을 대폭 수정하였다. (위에 올린건 수정 전 주제, 계획서)

수정 후 수행계획에 대한것은 추후 업로드 예정이다.

현재진행중인 것 : 학부연구/데캡디/수업5개/공모전1,논문1/자격증/학생회/(운동)/(github,tistory관리)

지금 신경쓰고있는것들을 정리해보니, 정말 이것저것 많이하며 바쁘게 살아가고 있다는게 새삼 느껴진다..

다 잡으려다가 다 놓치면 안되니까 좀 더 쉬는 시간을 줄여서 계획한대로 착착 완수해야겠다.

(+시간이나면 코딩 알고리즘 예제들, 데이터 분석 예제들도 풀고싶다!! 

그래서 카테고리도 만들어 두었는데.... 일단 이건 미뤄두어야할듯.)

다음은 해당 요일까지 끝내놓아야 하는 일정들!

​~이번주월(9.27),오후8시데캡디회의-방향성생각-예산신청서작성

~이번주화,랩실/데센프3/인공1/산경2/기계2

~이번주수,-

~이번주목,랩실/데캡디회의/학생회-IE밤메타버스조사/데센프1/인공1/산경2

~이번주금,랩미팅/논문읽고데이터셋,주제확정

~이번주토,키위,댓글분석​회의​

~이번주일,주가예측회의 

*10.12~전문가필기신청일

**운동,블로그,코드데캡디회의관리꾸준히

***실시간강의, 녹화강의 잘 듣고, 과제 놓치지 말고 잘 제출하기

해보고 싶은건 많은데 시간이 넘 부족한게 아쉽다.

역시 학기 중에 학점이랑 동시에 챙기면서 하는 것보다, 휴학하고 하는게 좋을 것 같은데

재수도 했는데 대학원을 가려는 입장에서, 더 늦춰지면 곤란할것같아서..ㅠ.ㅠ

나중에 교수님께 한번 여쭤보고 휴학하고도 학부연구생으로 계속 활동할 수 있다면 고민해봐야겠다.지금은 휴학할까 20%, 그래도 휴학은 안하는게.. 80% 정도이다.

​

<금_학부연구주제논문>

(https://www.nature.com/articles/sdata2018291)

(https://www.ncbi.nlm.nih.gov/labs/pmc/articles/PMC8314009/#fn0001)

+뇌파리딩폴더논문1

(https://github.com/norahollenstein/cognitiveNLP-dataCollection/wiki)

ㄴavailable data: we are interested in both EEG and fMRI)​

​

<월_데분캡방향성>

(emotionrecognition)

https://www.frontiersin.org/articles/10.3389/fnhum.2021.621493/full#h1

https://ieeexplore.ieee.org/document/8269329

https://github.com/maelfabien/Multimodal-Emotion-Recognition

https://www.frontiersin.org/articles/10.3389/fict.2017.00001/full

https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1008302

https://teap.unige.ch/#documentation​)

 [3-여름] ADsP 시험보기전 작성

ADsp는 국가공인 데이터분석준전문가 자격증이다. 

시험을 신청해두었고, 여름방학이 끝나기 전인 8.29에 시험을 치를 예정이다.

실기없이 이론만 보는 자격증이고, 합격률도 높은 편이라 들었다. 

그래서 이 자격증을 딸 메리트가 없다는 의견도 다수 있는 것으로 알고있지만,

데이터분석준전문가 다음으로 이번년도 중에 데이터분석전문가까지 도전해볼 예정이다.

데이터분석준전문가는 따는 사람이 많지만, 전문가 자격증까지 따는 사람은 많지 않다고 들었다.

역시 이런저런 자잘한 자격증을 많이 따두는것보다는 원하는 분야의 레벨이 높은 자격증을 공부하는게 여러모로 좋을 것 같다.

<8.29> 제 30회 데이터분석준전문가 시험후기

어제 시험을 보고 왔다! 데이터 분석 관련 네이버 카페 반응으로는 예년보다 난이도가 높았다는 얘기가 있더라.
원래 공부 계획을 한달로 잡았었는데, 대강 내용을 보니 수업때 배웠던 내용이라 시간을 다른데 투자하고싶어서,
공부 계획을 한달에서 대폭 줄여.. 딱 2일동안 공부했다. ....ㅋㅋ...
책은 흔히 '민트책'이라고 불리는 데이터에듀에서 나온 2021전면개정판 책으로 공부했다. (책이 600페이지가 넘는다) 다들 이거로 공부하는 것 같더라.
책에 중요 내용 정리해둔 요점 노트도 있고, 본문이 시작되기 전 기출 포인트도 알려주고, 중간중간에 기출로 이루어진 문제들도 풀 수 있게 되어있어서 공부하기 좋았던 것 같다. 단점은 오탈자가 조금 있는 편이고, 책에 없는 내용이 시험에 나온다 -_- (제30회 시험에서도 책에 없던 내용이 1-2문제? 나왔다.) 책 본문에 안나와있는 내용이 책 문제(과거 기출문제)에 나오기도 하고, 해당 범위가 아닌곳에 다른 범위의 문제가 들어가있는 경우가 종종 있다.
2일동안 7-8시간씩 총 14-16시간 공부해서, 사실상 내용만 1회독하고 별도로 기출은 안 풀고 갔다.
오랜만에 대면 시험을 보러가니 기분이 되게 좋더라. 수능 보는 기분도 나고..
시험은 계산 문제가 많이 나오진 않았다. 대부분이 이론적인 내용을 묻는 문제이고, R로 분석한 결과 해석이나 계산하는 문제는 각각 2문제정도밖에 안나오는 것 같다. 개인적으로 어려웠던 부분은 서술형이랑, 책에 없던 내용을 묻는 문제였다.. 1, 2, 3 과목 중에서는 역시 3과목이 가장 난이도가 있었다.
시험 결과는 9.24일에 나오는데 카페에 문제 복기 올라오고 예상 답안 올라오는 것들을 보니 합격 안정권같다.
ㅠ.ㅠ.. 합격은 합격인데 공부를 너무 짧게한것같아서 아쉬운 마음이 있다.
아무튼! 잘 보고 왔으니 또 다른 자격증 공부해서 얼른 시험보고싶다. 시험보는거 재밌다.. 공부하는것도 좋아..
다음번 자격증(아마 SQLd 랑 데이터분석 전문가 필기/실기 )은 진득하게 천천히 공부할것이다..
사실 SQLd는 안따려고 했는데, 프로젝트 하면서 데이터를 다루다보니 SQL공부를 좀 해야 편하겠더라.. 그래서 따기로 했다.

<9.24> 결과발표, 널널하게 합격!!!!!!

오늘 드디어 기다리던 합격 발표가 났다.
시험볼때 답이 헷갈리는 문제가 크게 없어서 합격이겠구나 하고있었는데 역시나 합격했다!
60점 이상이면 합격이라는데 널널하게 합격점을 받았다. (커트라인이넘낮은것같다)
이따가 합격증 다운로드 받아서 글에  올려둬야겠다.->캡처,저장이안되고인쇄만된다..또륵..

다음은 sqld랑 adp 필기이다. 아마 10월중에 신청을 받는것으로 아니 그때 신청해야겠다.
앞으로도 열심히 하자 ~.~

최근 뇌의 각종 신호 데이터를 해독해 응용하는데 관심이 많이 생겨서 관련 논문을 3개 정도 찾아보았다. 특히 무의식 환자, 일상적 표현이 불가능한 중환자의 의사표현을 돕는데 관심이 생긴다. (무의식 환자 중 일부 환자는 깨어나지 못할 뿐, 뇌파 반응이 정상인과 유사하게 반응한다고 한다.)

사실 학부연구 주제도 이 분야로 하고싶다.. (내가 생각해둔 주제는 이 분야지만, 교수님께서 다른 분야를 추천해주실 수 있기 때문에 확정이 나지 않았다)

BCI 분야는 IT대기업들이 관심을 갖고 한창 연구가 진행중이며 그 성과가 점차 드러나고 있는 유망한 분야이다. 학부생 개인이 연구할 수 있는 주제는 여러 여건상 제한적이기 때문에 지금은 상대적으로 작은 프로젝트밖에 하지 못하겠지만, 추후 관련 분야를 연구하는 기업에 입사해 나도 연구에 참여할 수 있다면 좋을 것 같다. 

(논문1) Real-time decoding of question-and-answer speech dialogue using human cortical activity

https://www.nature.com/articles/s41467-019-10994-4

간략히 설명 : 사전 녹음된 질문 세트를 피실험자에게 들려주고 피실험자는 구두로 답변한다. 이 모든 과정은 EcoG를 사용해 뇌가 어떻게 활동하는 중인지 기록되고 있다. 이렇게 얻은 데이터셋은 음성 감지 및 디코딩 모델을 훈련하기 위한 입력으로 사용되며, 신경 신호를 사용해 참가자가 듣거나 말할때를 감지하고, 뇌파 속에서 어떤 대화가 진행되고 있는지 개연성을 파악한다. 학습된 모델 및 신경 신호를 통해, 환자가 듣는 내용을 61%까지, 환자가 답변하는 내용을 76%까지 정확히 문장으로 해독해냈다고 한다.

(논문2) Towards reconstructing intelligible speech from the human auditory cortex

https://www.nature.com/articles/s41598-018-37359-z

간략히 설명 : 간질을 앓고있는 환자들의 뇌에 전극을 삽입해, 피험자들이 귀로 듣고있는 내용에 대한 신경 신호를 인공지능 음성인식 소프트웨어가 학습한다. 피험자들은 0부터 9의 숫자까지 40차례 들었으며, 인공지능은 청각 피질에서 기록된 신경 반응을 인지해 어떤 숫자인지 알아내 음성으로 재구성한다. 이 모델은 75%의 정확도를 보인다.

(논문3) Speech synthesis from neural decoding of spoken sentences

https://www.nature.com/articles/s41586-019-1119-1

간략히 설명 : 신경 활동에서 음성을 해독하는 것은 어려우니, 가청 음성을 합성하기 위해 인간의 피질 활동에 인코딩된 운동학적 소리표현 신호를 명시적으로 활용하는 신경 디코더를 설계하는 내용이다. 피질 신호를 관절 운동의 표현으로 디코딩한다음, 이러한 표현을 종합하여 음성 음향으로 변환한다.

- 추후 세부 방법론 등 보충 설명을 추가하도록 하자 -

실내자전거가 와서 열심히 운동을 했다.

앞서 계획했던 대로, 9.11일에 4.5km부터 시작하여 점차 늘려서 6km로 매일매일 꾸준히 탔다.

다만 9.18일에 백신을 맞았는데, 접종 후 1주간은 운동을 삼가라고 해서 23일까지 운동을 쉬었다. (추석이라 본가에 잠시 내려와있기도 하고..)

6km로 타면 시간은 대략 22분정도 나오는 것 같다.

이정도는 체력적으로 괜찮아서 앞으로는 다시 0.5km씩 늘려가며 10km에서 유지할 생각이다.

0924 다시 시작-6km

0925 6.5km ... 

체중은 아직 변함 없지만 눈바디로는 볼살, 뱃살이 조금 빠져보인다.

앞으로도 파이팅!

캡스톤디자인 수업이 시작된 후, 저희 팀의 주제는 2 가지로 추려졌는데요.

각 주제에 대해 자료조사 해온 것을 토대로 주제를 드디어 확정하였습니다.

저희 팀의 주제는 "뇌파 신호 데이터(EEG) 감성분석을 통한 감성 맞춤형 음악 작곡 시스템 개발" 입니다!

관련 주제가 재미있기도 하고, 데이터셋도 구할 수 있고, 다양한 시도를 해볼 수 있을 것 같아 선정하게 되었습니다. 

이에, 해당 주제에 대해 간략히 자료조사 해왔던 내용을 업로드 합니다.

팀원들이 소프트웨어융합학과이기도 하고, 다들 연구 경험이 있으며 열심히 하시는 분들같아 이번 연구 잘 마무리할 수 있을 것 같습니다. 가능하면 논문까지 작성해서, 학회에 등재해 상을 받을 수 있었으면 좋겠네요.

+ 팀명은 IDEA-M 로 정했습니다. ㅎㅎ (Insight of EEG data analysis-Music의 약자입니다) 

---- 아래는 참고자료 정리본 ---

본인작성

(논문1) 뇌파의 실용적 활용을 통한 감성분석 기반 음악추천 시스템

Dataset : 

음악코퍼스-2400여곡의 k-pop음원으로 구성된 KETIafa200, 

직접 뇌파 수집(우리도 예산으로 15~20만원대 뇌파 밴드 구입하여 평가할때 사용해도 괜찮을듯)

모델링과정:

EEG 신호의 특질 정보 추출. 1개의 신호를 5개 에너지 대역 간의 분포를 추출해 특질 정보로 활용->델타파,쎄타파,알파파,베타파,감마파로 분리.

EEG신호로 빠른 퓨리에 변환을 수행, 5개 밴드별 에너지 분포를 추출해 RBF(Radical Basis Function) 커널 함수를 적용한 SVM 이진분류기로 선호/비선호 학습(감정분석)

(이 부분은 본 프로젝트의 목적에 맞게 모델을 바꾸고 다중분류로 진행하여, 세부적인 감정을 파악하도록 바꾸면 될 것)

8초 단위의 subsample로 분리해, 학습기로 분류한뒤, ’선호/비선호’ 중 전체곡(1곡내)에서 많이 결정되는 분류로 해당 음악에 대한 사용자 선호도 결정.

높은성능신호:T7,T8,O1,AF3,F3 / 낮은성능신호:FC6,FC5,P8

의의:

뇌파분석을 통한 사용자의 감성을 자동적으로 분류하는 방식으로, 멀티태스킹 환경에 익숙한 사용자들의 음악청취를 위한 소모적인 상호작용을 없애는 새로운 방식의 인터페이스 환경 실험

(논문2) 딥러닝을 이용한 BGM 음원 작곡 서비스 설계 및 구현

Dataset : 

ABC notation 악보를 데이터로 사용. (악보를 A~G까지 문자 표기법을 사용하여 나타낸 것.)

아래의 링크에서 코드확인(3명) 및 데이터셋 다운 가능(추후 관련 데이터셋 및 코드를 더 찾아보겠음)

https://www.kaggle.com/raj5287/abc-notation-of-tunes/code

번호,제목,작곡가,음표,길이,음계등이포함되어있고각알파벳별로의미하는것이정해져있음.

모델링과정:

ABCnotation(곡)을 분위기 별로 분류,

TEXT 형태의 데이터로 저장이 되면, 전처리 과정에 들어감. (곡에 있는 모든 음은 사전 형태로 매핑됨)

이를 입력 데이터로 사용하기 위해 벡터화함 (원핫인코딩)

LSTM으로 학습 진행, 입력 데이터의 갯수 6개씩. (너무작으면오류,너무길면예측제대로안됨)

6개로 이루어진 하나의 데이터와, 이 데이터의 다음에 오는 하나의 데이터를 타겟으로하여 학습이 진행됨.

한 스텝씩 밀리면서 모든 데이터셋에 대한 학습과정 반복.

ModelSaving에서,생성된 모델을 사용자가 초기에 설정한 임의의 곡 분위기별로 저장.

의의:

본 논문은 ABC Notation을 분위기별로 분류하여 딥러닝으로 학습하고 여기서 만들어진 모델을 통해 기존에 없던 새로운 음악을 사용자가 이용할 수 있다. 이 사용자들은 음악적 지식 없이 작곡할 수 있 고 인공지능으로 작곡을 했기 때문에 기존의 작곡가 가 만드는 곡보다 시간·경제적인 소요를 줄일 수 있 다.

그외 :

pybrain을 이용해 작곡: https://github.com/robbiebarrat/Bach_AI

추가 데이터셋: http://www.eecs.qmul.ac.uk/mmv/datasets/amigos/ (해당 링크에서 다운로드가능)

Amigos(a dataset for affect, personality and mood research on individuals and group)

-->Deap, Amigos, kaggle 데이터셋 등 사용하면 될 듯.

감정에 따른 음악 매칭에 대해:

‘본 논문에서는 어떤 감정일때 어떤 장르/분위기의 음악을 들으면 스트레스가 완화된다고 가정한다’

등의 문구 삽입이 필요함. 해당 가정은 추후 팀원끼리 추가적인 논의를 거쳐 확정함.

팀원1

1. Data 사이트에서 추가 데이터셋 서칭 및 가용한 자료인지 확인

• 뇌파 관련 데이터셋
  
  EEG Brainwave Dataset: Feeling Emotions
  
  EEG brainwave dataset: mental state
  
  GitHub - jordan-bird/eeg-feature-generation: Generate statistical features from Electroencephalographic data
  
  Data feature:
  
  

• 추가로 발견한 뇌파 관련 데이터셋

1. 관련 논문 서칭, 방법론 확인

• 뇌파 관련 논문
  
  JB-AE-CB-DFDISP19_1_1.pdf
  
  A_Deep_Evolutionary_Approach_to_Bioinspired_Classi.pdf
  
  

• Music Mood Detection based on audio and lyrics with DNN
• Music Mood Detection Based On Audio And Lyrics With Deep Neural Net
  
  GitHub - rasbt/musicmood: A machine learning approach to classify songs by mood.

• Jukebox: Generative Model for music
• Jukebox: A Generative Model for Music
  
  GitHub - openai/jukebox: Code for the paper "Jukebox: A Generative Model for Music"

• 총 4단계 구성으로 연구를 진행하면 좋을 것 같다는 생각을 함.
  
  

• 챌린지한 부분이 될 수 있다고 생각하는 부분은 2와 3번. 1번의 경우, 위처럼 EEG 데이터를 통한 감정 분류를 위한 다양한 논문이 이미 나와 있기 때문에 논문을 재현하는 방식으로 공부와 연구를 진행하면 크게 어렵진 않을 것 같음. 다만, 2와 3번의 경우, 의학과 화성학에 대한 전문적인 지식이 없기 때문에 공부와 연구를 진행하면 다소 시간이 많이 걸릴 것으로 예상됨.

팀원2

뇌파 관련 데이터셋 조사
(주요 데이터셋만 적어놓았습니다.)

• Neuroscan 소프트웨어를 사용하여 수집한 14명(남성 7명, 여성 7명)의 32채널 데이터  https://sccn.ucsd.edu/~arno/fam2data/orifam2.html
  
  
• 정신물리학(450Mb) : 5 subjects with and 2 conditions (64 channels, Matlab format). → 링크 클릭 https://headit.ucsd.edu/users/sign_up (로그인 필요)
  
  
• Psychophysics(2.3Gb)
  : EEGLAB 튜토리얼에서 사용하는 13명의 STERN 실험.
  
  
• 심리 물리학, 다양한 작업(1Gb)
  : more than 100 datasets available.
  https://headit.ucsd.edu/ (로그인 필요)
  
  
  

• Psychophysics (700 Mb)단일 에포크 가져오기전체 주제 가져오기
  : 64 채널을 사용하여 기록된 122명의 피험자(비주얼 매칭 작업을 수행하는 알코올 및 컨트롤). 이 데이터의 한계는 데이터 에포크(자극 제시 후 0~1초)만 사용할 수 있다는 것입니다. Matlab 스크립트를 사용
  
  
• DEAP 데이터 세트
  : 인간의 감정 상태 분석을 위한 다중 모드 데이터 세트. 32명의 참가자의 뇌파(EEG)와 말초 생리학적 신호는 각각 1분 길이의 뮤직 비디오 발췌문 40개를 시청할 때 기록. 참가자들은 각성, 관심도, 좋아함/싫어함, 지배력 및 친숙도의 측면에서 각 비디오를 평가.
  
  
• 간질 데이터
  : 난치성 국소 간질 21명의 환자에 대한 EEG 기록을 포함. 수술 전 간질을 모니터링하는 동안 기록.
  "ictal" :  간질 발작이 있는 파일과 발작 전 최소 50분 데이터가 포함
  "interictal" :  발작 활동이 없는 약 24시간의 EEG 기록을 포함
  
  

DEAP Dataset을 활용한 뇌파 데이터 분석 방법에 관한 연구논문 분석 

DEAP

이 논문에서는 오픈 감정뇌파데이터인 DEAP Dataset을 활용. DEAP Dataset는 총 23개의 데이터, 32 채널로 구성. 남, 여 각각 16명. 총 32명의 사용자에게서 40편의 비디오를 시청한 뒤 감정상태를 기록. 레코딩 된 신호는 총 32개의 채널과 512Hz로 샘플링

전처리 과정 :

• 디지털 필터인 IIR(Infinite Impulse Response) Filter를 사용하여 잡음 제거
• Artifact인 안구잡파(EOG : Electrooculograms, 눈 깜빡임) 제거 : LMS(the Least Mean Sqaures) 알고리즘을 사용

(LMS → 비정상적인 생체신호를 제거하는 데에 유용)

감정 분류 : Valence-Arousal 평면을 사용하여 4개의 감정으로 구분. 분류 알고리즘으로는 Support Vector Machine을 사용.

LAHV(두려움), HAHV(행복), LALV(슬픔), HALV(고요)

뇌파의 분류

복잡하게 진동하는 형태. 저마다의 전위값이 다르다.

뇌파 관찰 시 → 주파수의 범위와 전압 값에 따라 인위적으로

• Delta파 : 0.1 - 3Hz; 20-200uV
• Theta파 : 4-7Hz; 20-100uV
• Alpha파 : 8-12Hz; 20-60uV
• Beta파 : 13-30Hz; 2-20uV
• Gamma파 : 30-50Hz

전처리가 끝나 잡음이 제거된 신호는 FFT 분석을 시행하여 주파수대 별로 Power Spectrum 분석을 하여 특징 추출을 하였다. 

퓨리에 변환

위의 논문에서는 FFT(Fast Fourier Transform), 빠른 퓨리에 변환 사용.
빠른 Fourier 변환(FFT)은 오디오 및 음향 측정 과학 분야에서 중요한 측정 방법 . 신호를 개별 스펙트럼 구성 요소로 변환하여 신호에 대한 주파수 정보를 제공. FFT는 기계 또는 시스템의 결함 분석, 품질 관리 및 상태 모니터링에 사용.
(출처 : https://www.nti-audio.com/ko/지-원/know-how/빠른-fourier-변환-fft)

변환한 주파수 범위에 따라 Theta(4-7Hz), Alpha(8-12Hz), Beta(13-30Hz), Gamma(30-40Hz)로 분석. FFT분석은 Matlba을 사용. FFT를 통한 각각의 주파수 대역별 값은 배열로 저장 분석 (Fourier 변환이 중요한 개념으로 사용되는 듯)

MNE-Python (http://martinos.org)

기능적 신경 영상 데이터(functional neuroimaging data) → EEG, MEG, sEEG, ECoG, and fNIRS 데이터들을 처리, 분석 및 시각화를 위한 오픈소스 Python 모듈. 

해당 모듈을 이용하여 EEG 데이터와 MEG데이터를 분석할 수 있다.
(MEG 데이터의 경우, EEG는 전기적 신호인 반면, MEG는 자기적 신호로 수집한 뇌파 데이터를 의미한다. 해당 데이터셋이 EEG데이터보다 Noise가 더 적으므로, 만약 두 데이터를 통해서 분석할 수 있는 대상이 비슷하다면, MEG 데이터를 이용하는 것도 좋은 방법일 듯 싶다.)