반응형
반응형
1) AICE Associate 시험 데분 프로세스가 무난하게 출제되었다. 아예 안보고 하는 것이 내 목표였으나.. DL 부분은 여전히 바로 타이핑하기에는 무리가 있었다. ML 파트는 워낙 자신이 있으니 빨리 끝냈고, DL 부분은 모르는 것만 짧게 확인해가며 풀었다. 층의 개수는 지정이 되어있었으나 퍼셉트론 개수는 제시가 안 되어있어 빨리 끝날수 있도록 적게 구성했다. 성능에 대한 평가까지 하는지는 모르겠지만 ML과 DL의 성능이 비슷했던 것 같다. 나는 시험 종료 30분 전부터 퇴장할 수 있는 줄 알았는데, 다른 사람들 말을 들어보니 그 전부터 퇴장할 수 있었다 ㅠㅜ 시험이 끝나고 쉬는시간 겸 점심시간을 길게 주셔서 간만에 편한 점심을 즐겼다. (참고로 에이블러는 무료응시 혜택이 있다!) 2) 오후 시..
1. 이번 주의 알찬 구성 (4.17. ~ 21.) 이번 주는 6차 미프와 에이블데이로 이루어진 알찬 주간이다. 6차 미프도 두개의 프로젝트로 이루어져서 꽉 찬 느낌이었고 에이블데이도 있었기 때문이다. 그런데 쓰다보니까.. 이론적인 내용을 정리하느라 분량이 좀 많아져서 에이블 데이는 따로 쓰기로 했다. 2. AI 챗봇 만들기 (17~18) 이번에는 깔끔하게 개인 실습으로 진행되었다. AI 챗봇이라서 뭔가 거창해보이지만 까보면 클래스 분류 모델 구축이었다. 그래도 input data가 텍스트 데이터여서 재미있는 경험이었다. 저번 지옥의 4차 미프(문의 내용 분류 모델링)에서 텍스트에 대한 경험을 더 쌓고 싶었는데, 이런 추가적인 기회가 있어서 다행이었다. 이번 프로젝트는 2일치이다보니 데이터가 작아서 더 ..
1. 이번 주의 구성 (4.10. ~ 14.) 이번주는 5차 미니프로젝트인데 AICE 어쏘 대비 특강과 캐글 경쟁 두 파트로 나뉘어졌다. 특강은 편안한 마음으로 들었고 캐글 경쟁은 늘 그랬듯이 치열했다.. 2. AICE 어쏘 대비 특강 (10일, 11일) 다음주 1차 에이블데이가 있는데 오전에 AICE 어쏘 시험을 본다고 한다. KT에서 만든 AI 시험인데 약간은 빅분기 느낌이 나는? 오픈북이 허용되지만 참고자료는 허용되지 않는? 묘한 시험이다. 연습문제 상으로는 정말 기본적인 데분 flow대로 출제가 되는 것 같아서 굳이 검색해볼 필요는 없어보이긴 한다. https://aice.study/main AICE KT가 개발하여 한국경제신문과 함께 주관하는 인공지능 능력시험입니다. aice.study 문제를 ..
1. 이번 주의 구성 (4.3. ~ 7.) 4차 미니프로젝트가 시작되었다. 텍스트를 분석해서 다중분류를 수행하는 task 였다. (Welcome to hell...) 2. 주제 구체적으로는 2기 에이블러님들의 Q&A 텍스트를 train해서 몇가지 카테고리로 분류하는 작업이었는데, 주제 자체가 재미있어서 기대가 되었다. 3. 맨땅에 헤딩하기 그런데 생각해보면 저번주 언어지능 시간에는 텍스트를 학습하는 알고리즘만 배웠지 그것을 어떻게 전처리할지는 안배웠던 것 같은데... 고난이 예상되는 미프였다. 강사님이 주신 베이스라인 코드에 어떻게 접근하면되는지가 나와있었다. 거기 있는 키워드들 (n gram, tfidf 등)을 서치하면서 개념을 훑었고 '텍스트를 피쳐화'하려는 다양한 시도를 알게 되었다. 추가적으로 영..
1. 이번 주의 구성 (3.27. ~ 31.) 언어지능 딥러닝 (RNN, LSTM, GRU, 임베딩, seq2seq) 2. 조금은 독특한(?) 강사님 그동안 수업해주신 에이블 스쿨 강사님 중에 가장 웃겼던 것 같다. (+약간의 부담, 약간의 투머치토커... ㅋㅋㅋ) 대학원을 안간다고 생각했을 때, 현실적으로 취업할 수 있는 길을 설명해주시기도 해서 내 미래를 다시 한번 고민해보는 시간이었다. 에이블러들 사이에서 약간은 호불호가 갈렸던 것 같은데 나는 호에 가까웠다. 어짜피 수업으로 이해할 수 있는 내용은 한계가 있기 때문에 현실적인 얘기를 해주시는 것에 끌렸던 것 같다. 물론 진도를 다 못뺀건 아쉽지만,, 어짜피 공부는 혼자 더 해야하니까!! 3. 다시 만난 RNN과 seq2seq 아~~주 먼 과거, 빅..
1. 이번 주의 구성 (3.20. ~ 24.) 3차 미프는 두개의 프로젝트로 나눌 수 있다. CNN을 활용하여 차 훼손여부를 탐지하기(월~수), YOLO를 활용하여 화폐 탐지하기(목~금) 로 이루어졌고 2차 때와 달리 캐글 경쟁은 아니었다. 2. 훼손 차량 탐지하기 1일차는 데이터 전처리로 시간을 보냈다. train, val, test set를 파이썬 명령어를 활용하여 분할, 이동시키는 등 작업을 했는데 평소 많이 활용하는 코드들은 아니다보니까 많이 찾아보며 진행했다. 2~3일차는 내가 직접 모델을 짜보기도하고 pre trained 모델을 파인튜닝하여 성능을 높여보기도 했다. 훼손 or NOT 이 확실한 데이터set이어서 그런가 데이터 augmentation을 진행하니 오히려 성능이 떨어지는 현상이 나타..