코린이의 공부일기

오늘은 회고로 집중된 나의 첫 2021- 08 -31 Team Competition ! 1,2일 차 회고록 나는 P stage을 하기 전 솔직히 개인 Competition이 더 힘들 것 같다라는 생각을 했는데 반대로 나는 팀 Competition이 훠얼 씬 힘들었다, 그치만 정말 많이 배울 수 있었다. 그 이유는 , 팀에서 제일 성능이 좋고 깔끔하게 짠 코드를 베이스코드로 정하고 거기서 팀원 다 같이 성능을 높히는 방향으로 정했다. 그리고 github에서 pull하고 push하며 협업 하기로했는데..! 난 지금까지 사실 파이썬을 주피터노트북에서만 사용해봐서 vs code는 사실 하나도 몰랐다.. 게다가 개인 Competition 때 주피터랩으로만 실험을 한 상태였다. Vs code는 U stage에서 약..

이전에 모델링하는 법을 배웠다면 이번엔 만들어진 모델들을 비교해보며 각각의 특징들을 보고 나은 점을 조합하여 더 나은 모델을 만들 수 있지 않을까? Ensemble * 사실 Ensemble은 현업에서는 많이 쓰이지 않는다. -> 그렇지만 성능이 좋아야하는 도메인에서는 꼭 해볼 필요가 있다.!(ex> Kaggle) - Ensamble을 예로들자면 오케라에서 음은 같지만 음색이 다른 소리를 모아 화음을 만드는 것 과 같이 Ensemble은 싱글모델보다 더 나은 성능을 위해 여러 모델을 겹친다. 일반적으로 Ensemble은 여러 모델을 합쳐 Overfitting의 경향성이 생길 확률이 높다. -Boosting 알고리즘은 High Bias에서 많이 쓰이며가중치를 활용해 약 분류기를 -> 강 분류기로 만들어주는 ..

Dataset Data Processing 내가 원하는 데이터의 형태로 가져오는 것 =문제를 풀기 위해 데이터의 형태를 파악하고 전처리 작업하는 것 Pre-processing (전처리 작업) 사실 제일 어렵고 오래걸리는 것 .... -> 현업에서는 데이터자체에 노이즈가 많고 이상치 값들이 많다. 전처리 작업을 잘한다 = 데이터 성능이 좋다 라고 생각해도 될 정도라고 한다! 1. Bounding box 2. Resize -> 빠르게 학습을하고 결과를 보기 위해서 size을 모델에 맞춰 효율적으로 크기 조절을 하는 것이 좋다. 그렇다면 이미지데이터에서 전처리방식은 어떤 것이 있을까? 어떠한 특수한 도메인에서 특수한 전처리가 중요할 때가 많다 예를들어서 이러한 medical 이미지 데이터에서는 어두워서 잘 보..