DL4 Module 3. 지도학습(분류/회귀)소개 이번 Module인 지도학습(분류/회귀) 부분은 이화여자대학교 강제원 교수님이 맡아주셨다. 이번 모듈을 들은 후 Machine Learning의 한 부류인 지도학습(Supervised Learning)에 대한 기본 개념과 regression/classification의 목적 및 차이점에 대해 이해하고, 다양한 모델 및 방법론(linear and nonlinear regression, classification, ensemble methods, kernel methods 등)을 통해 언제 어떤 모델을 사용해야 하는지, 왜 사용하는지, 모델 성능을 향상시키는 능력을 향상할 수 있을 것이라 생각한다. 이번 Module은 LG Aimers 1기에서 했던 강의와 동일하기에 LG Aimers 1 포스팅 지도학습을 .. 2023. 1. 11. 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. 2022 ASL toy project 4 : 강화학습 이번 프로젝트는 강화학습(Reinforcement Learning)에 대해 알아보았다. 만든 발표 ppt를 보도록 하자 RL(강화학습)은 머신러닝(ML)과 딥러닝(DL) 사이의 성질이다 2022. 8. 5. Final. LG AI Hackathon 2 회의(2번째) 1. 이번주 일요일 6시 스터디(비대면) 2. 일요일에 알고리즘 조사해온다음에 튜닝 각자해보다, 일요일에 발표 - 딥러닝 위주로(transformation, CNN, DNN, etc..) 2022. 8. 4. 이전 1 다음
