LG Aimers(AI 전문가 과정)/Final. LG AI Hackathon6 Final. LG AI Hackathon 진행사항2 먼저, 딥러닝으로 풀려고 했지만 생각처럼 잘 되지 않아 딥러닝을 잠시 멈춘 후 머신러닝으로 시도를 해 보았다. 처음 쓴 모델은 AutoML 이었다. AutoML(Automated Machine Learning) - 자동화된 기계 학습 - 머신러닝 및 딥러닝 지식이 없어도 강력한 머신러닝 모델의 구축이 가능 - 앙상블 기법, 매개 변수 선택, 데이터 전처리 등의 작업은 높은 비용이 들지만 AutoML이 해결 즉, 테이블 데이터를 자동으로 학습하여 높은 성능을 발휘 2022. 8. 11. Final. LG AI Hackathon 4 회의록 - NN 구현 완료 - 데이터 상관관계 파악하기 - WBS에 기록 활발히 해주기 - 전처리 해줄 때 이유 기록하기 + 전처리 후 결과 기록 2022. 8. 10. Final. LG AI Hackathon 진행사항1 LG AI 해커톤의 데이터 set은 총 56개의 X_feature(input) 데이터 셋과 14개의 Y(output)로 구성이 되어 있었다. 먼저 딥러닝인 DNN으로 구현을 해보았지만 Baseline 점수도 얻지 못하는 결과가 나오게 되었다. 신경망을 구현하는것에 문제가 있다고 생각하였고 1. 레이어의 수, 레이어의 입출력 채널수 2. activation을 relu말고 다른것으로 써보기 3. 레이어를 깊게 쌓은 경우엔 dropout 적용해보기 4. optimizer를 adam 말고 SGD 등 다른 것으로 써보기 5. loss도 다른 것으로 변경해보기 의 해결법이 떠올라 적용을 다시 해보기로 했다. 2022. 8. 8. Final. LG AI Hackathon 3 회의록(3) 8/7 회의록 - AutoML 코드를 바탕으로 며칠간 돌려보다가 한계가 온 시점에 모델 교체(+NN 계속 구현해보기) - 1일 3 제출 목표로 하기 -> 제출시 전처리, 스케일링 등 코드 만진 이유와 결과값 추론 - Train셋에서 임의로 test셋이랑 비슷한 데이터 뽑아서 써도 되는지 메일 보내기 - 8월 9일 6시 회의 2022. 8. 7. 이전 1 2 다음
