'프로젝트형AI서비스개발' 태그의 글 목록 (3 Page)

본문 바로가기

728x90

프로젝트형AI서비스개발

6회 차 | 4/1 금 6회 차! 스터디 출석부 보다 보니, 교육이 얼마 남지 않을 걸 실감한다. 6월 28일에 끝나는 교육 기간 중 AI와 융복합 프로젝트에 들어가는 기간을 제외하면, 수업은 16일 남았다. (머신러닝 교육 2일 + 딥러닝 교육 14일) 프로젝트 시작 전 남은 스터디 횟수도 6번.. 기간이 짧고 배울 양이 많고 심도 있는 내용이다 보니 배울 때 제대로 체내화 해야 한다!! 🐱‍🐉 오늘은 지난주 금요일에 각자 선정한 머신러닝 프로젝트를 발표했다. 스터디 인원 대부분이 데이콘 예제로 프로젝트를 진행하고 실제로 완성한 코드 제출도 하였더라! 👍 결측치가 있고, feature 별로 형태가 다르거나, 우리가 배운 회귀만 쓰는 것이 아닌 분류 등 다양한 모델을 학습하는데 쓰는 동료들. 나는 작고 소중하고 깔끔한 데이터 .. 더보기

4/1 금 금요일! 😎 어제 잠깐 소개한 Logistic Regression을 배운다~ Linear Regression(연속적인 숫자 값 예측)이 발전한 것이 Logistic Regression → Classification(분류를 판단하는 예측) - Binary Classification(이항분류) - Multinomial Classification(다항분류) 그래프를 볼 수 있는 유틸리티 모듈(mglearn)을 추가적으로 설치하자 conda activate maching_TF15 pip install mglearn conda install은 이미 설치되어 있는 모듈, 패키지에 대한 Dependency를 고려해서 최적인 버전을 설치, pip install은 그냥 깔아버림 Logistic Regression : L.. 더보기

3/31 목 목요일! 오늘은 우리가 주력으로 사용할 Tensorflow를 배운다! 🐱‍🏍 수행평가 또 나왔넹.. 데이터 핸들링 2 + 머신러닝(다중선형회귀) 1. 4/5 화요일까지 제출!! Ozone 데이터로 다중선형회귀를 3가지 방법(Python, Sklearn, Tensorflow)으로 구현, 예측치가 비슷하게 나와야 한다! 당연히 데이터 전처리(결치값, 이상치, 정규화)도~ 가장 많이 쓰이는 딥러닝 오픈소스 라이브러리는 Google의 Tensorflow와 Facebook의 PyTorch~ Sklearn은 데이터 양과 변수가 많아지면 속도가 굉장히 느려지기 때문에, Tensorflow를 이용한다. Tensorflow 2.0 ver.이 등장하면서 이전 버전과는 완전히 다르게 바뀌었다. 기존에 만들었던 가상환경(ma.. 더보기

3/30 수 수요일! 어제 사용한 Ozone data를 Python과 Sklearn으로 Simple Linear Regression(단순 선형 회귀)을 구현했을 때, 왜 모양이 다른지 알아보자~ 이유 1. Missing Value(결치값) 처리 - 삭제 : 전체 데이터가 100만 건 이상이며 결치값이 5% 이내일 때 - 대체 : 대표값으로 대체(평균, 중위, 최대, 최소, 최빈) 혹은 머신러닝 기법을 사용(더 좋은 방식! 결치값이 종속변수일 때) 이유 2. 이상치 처리 이상치는 값이 일반적인 다른 데이터에 비해 편차가 큰 데이터이기 때문에 평균, 분산에 큰 영향을 미침 → 데이터를 상당히 불안하게 만드는 요소 - 지대값 : 독립변수(원인)에 있는 이상치 - Outlier : 종속변수(결과)에 있는 이상치 1. 이상치.. 더보기

5회 차 | 3/29 화 5회 차! 지난주 금요일에 각자 선정한 머신러닝 프로젝트 주제의 진행상황(EDA, 데이터 핸들링, 시각화, 기술통계, 모델링)을 리뷰했다. 금요일은 전체 모임에서 10분씩 최종 리뷰! 기존에 골랐던 주식 종료 가격 예측은 대회가 마감되어 이곳저곳 코드 리뷰한 곳들을 뒤져도, 모델링에 필요한 데이터셋(stock_list.csv : 종목 번호 데이터, sample_submission.csv)을 구할 수가 없기에 부득이하게도 기존에 캐글 예제로 골랐던 보스턴 집값 예측으로 변경했다. 내가 일하고 싶은 분야도 자산운용의 로보어드바이저 부문이기 때문에, 나중에 꼭 주식 가격 예측을 구현해 볼 예정이다! https://dacon.io/competitions/official/235857/overview/descrip.. 더보기

3/29 화 화요일! 오늘은 어제 배운 Simple Linear Regression(단순 선형 회귀)을 코드로 구현한다. 1. Training Data Set 준비 : Data pre-processing(데이터 전처리). 사용할 수 있는 형태로 준비 2. Linear Regression Model을 정의 : y = Wx+b(예측 모델). hypothesis(가설) 3. 최적의 W(weight, 가중치), b(bias, 편차)를 구하려면 loss function(손실함수)/cost function(비용함수) → MSE 4. Gradient Descent Algorithm(경사하강법) : loss function을 편미분(W, b) × learning rate 5. 반복학습 진행 1. Training Dat.. 더보기

3/28 월 월요일! 금요일에 이어 머신러닝 들어간다~ Weak AI의 머신러닝 기법들 : 지도 학습, 비지도 학습, 강화 학습 1. Regression(회귀) : 데이터에 영향을 주는 조건들의 영향력을 고려해서, 데이터에 대한 조건부 평균을 구하는 기법 * 평균을 구할 때 주의해야 할 점 : 평균을 구하는 데이터에 이상치가 있을 경우 대표값으로 사용하기 어려움. 정규분포여야 함! 고전적 선형 회귀 모델(Classical Linear Regression Model) 단순 선형 회귀(Simple Linear Regression) import numpy as np import pandas as pd import matplotlib.pyplot as plt df = pd.DataFrame({'공부시간(x)': [1,2,3.. 더보기

4회 차 | 3/25 금 4회 차! 화요일에 이어 조별로 머신러닝 수행평가 리뷰를 진행했다~ 인원이 단출해서 진행 시간이 알맞고 자세한 피드백을 받을 수 있지만, 적은 인원과 각자 실력 편차가 클 경우 리뷰가 편협할 수 있다는 것이 단점.. 이번 주는 멀티캠퍼스 수행평가용으로 제공된 MovieLens 데이터 세트의 문제를 풀고 아래와 같이 공부했다. 1. 수행평가 문제들 모두 하나씩 관련된 내용으로 시각화 하기 : scatter, histogram, heatmap, boxplot 만들었다. → 도수분포표(계급, 도수 + 계급값, 상대도수, 누적 상대도수) 만들어보자! 2. 10개 이상의 데이터 핸들링해보기 : 문제만 풀었다. → 상관관계가 있을 법하거나 궁금한 것들에 대해 더 핸들링 하자! ex) 평균 평점이 가장 높은 영화 장.. 더보기

이전 1 2 3 4 5 6 7 다음

728x90

티스토리툴바