본문 바로가기

Overall

 (72)
플레이데이터 애널리시스 33기 11월 1주차(10/30 ~ 11/03) 회고 1. 전반적인 느낌(일주일동안 한 일) 1) 실행한 것 - SQLD 스터디 DAY4~DAY8 -> SQLD 2과목 Where절 까지 끝냄. -창업경진대회아이데이션 기획서 작성 및 제출 ->1차 초안 완성 - python 튜토리얼 lv3~5 > 못함 ㅜㅜ - 제 1회 국민대학교 AI빅데이터 분석 경진대회 > 전처리 못함 ㅜㅜ + 추가로 진행한 것 - 미니프로젝트 기획 및 아이데이션 - 대학생 스타트업 애널리스트 1기 지원서 제출 2) 배운 것 딥러닝 모델 CNN RNN(+LSTM) LSTM을 이용한 삼성전자 주가 데이터 예측 GAN 유명인 얼굴인식 및 생성 3) 느낀 것 CNN에서는 convolution layer에서 filter와 channel의 관계를 이해하는 것이 어려웠다. RNN는 선형모델에 재귀순..
GAN 실습 | DGan Convolutional Layer 를 이용한 GAN 이미지 생성 모델 논문: https://arxiv.org/pdf/1511.06434.pdf 파이 토치 튜토리얼: https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html 라이브러리 import import os import random import time import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader from torchvision import datasets, transforms import torchvision.utils as vutils import numpy as np import m..
GAN 개념 | 진짜와 구별이 안되는 Generator 모델 1) GAN - 이미지 생성모델 개념 : GAN 모델은 Generator와 Discriminator를 경쟁적으로 학습시킴 (두 모델 다 성능 향상) -> 진짜와 구별이 안되는 Generator 모델 만듦 2) DCGan 실습 원래 GAN은 fullyconnected layer를 이용해 이미지생성 -> 이미지에는 convolution layer를 사용하는 것이 더 좋음 : DCGan GAN( Generative Adversarial Network 생성적 적대 신경망 ) 실제 사진과 동일한 수준의 이미지 생성 Image to Image(Style Transfer) :다른 도메인의 이미지로 변환 추천 ITEM 생성 : 패션 카테고리의 추천시스템 - 의상을 분석해 주어진 스타일에 어울리는 새로운 아이템 생성 데..
LSTM 주가예측 | 삼성전자의 주가(시계열데이터)를 예측해보자 LSTM 1) LSTM 구조 공부 - Image에 다양한 효과를 주어 데이터양을 늘린다. 2) 삼성 주가데이터를 다운로드해 실습해보기 - 매우 큰 데이터셋으로 미리 Training한 모델을 이용해 모델을 정의한다. - 성능이 좋은모델을 다량의 데이터로 학습시킨 모델을 사용하므로 적은 데이터에도 좋은 성능을 낼 수있다. ⭐Summary
RNN 개요 | RNN Sequential 데이터란 - 데이터의 순서 정보가 중요한 데이터셋으로 순서가 달라질 경우 의미가 바뀌거나 손상되는 데이터를 말한다. - 예 - 자연어 텍스트 - 일정한 주기로 샘플링된 영상, 음성 - 시계열(time series) 데이터 :순서 + 데이터가 발생한 시점 정보가 중요한 데이터셋 RNN (Recurrent Neural Network) 구조 - RNN은 Feature 추출기로 Recurrent Layer을 사용하는 딥러닝 모델을 말한다.. - Recurrent Layer는 sequential 데이터 처리에 좋은 성능을 낸다. Recurrent Layer 구조 - RNN은 순서대로 입력되는 데이터를 반복 처리하는 Recurrent Layer를 이용해 Feature vector를 추출하고+ 그..
주요 CNN 모델 | VGGNet , ResNet , Mobilenet ImageNet Dataset - https://www.image-net.org/ - 페이페이 리 교수가 이끄는 Stanford Vision Lab에서 - 웹상에서 수집한 약 1500만장의 라벨링된 고해상도 이미지로 약 22,000개 카테고리로 구성된 대규모 Image 데이터셋. ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 대회 - https://image-net.org/challenges/LSVRC/ - 2010년 부터 2017년 까지 진행된 컴퓨터 비전 경진대회. - ImageNet의 이미지중 1000개 카테고리 약 120만장의 학습용이미지, 5만장의 검증 이미지, 15만장의 테스트 이미지를 이용해 대회를 진행한다. - 2012년 CNN기반 ..
💻 데이콘 강연 : 데이콘 랭커 1위 'datu' 강연 보호되어 있는 글입니다.
Pretrained Model | 2. Transfer Learning(전이학습)과 Fine tuning을 사용하자 Data 양이 많지 않아 딥러닝 모델의 학습에 어려움이 있을 때 사용 가능한 방법 1) Image augmentation 활용 - Image에 다양한 효과를 주어 데이터양을 늘린다. 2) Pre-trained network의 활용한 Transfer learning (전이학습) - 매우 큰 데이터셋으로 미리 Training한 모델을 이용해 모델을 정의한다. - 성능이 좋은모델을 다량의 데이터로 학습시킨 모델을 사용하므로 적은 데이터에도 좋은 성능을 낼 수있다. summary Transfer Learning : pre-trained model에서 feature extracxtor를 가져와 일반적인 특징을 추출하고 직접 구성한 new classfier에서 학습을 진행해 업데이트한다. - Backbone ( T..

티스토리툴바