LG10 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. Module 4. 설명가능한 AI(Explainable AI) 이번 Module 3. 비지도학습은 서울대학교 문태섭 교수님이 진행을 해주셨다. Machine Learning은 크고 복잡한 데이터를 이해하고 이들 간의 관계성을 살펴보는 기술이지만, 본질적으로 해석 가능성을 제한하는 블랙박스인 경우가 많다. 현실에서 Machine Learning을 통해 얻은 결과를 활용할 때에 해석이 요구되는데, 모듈4를 통해 이러한 AI가 갖고 있는 한계를 보완하기 위한 AI기술인 Explainable AI 기술에 대해 학습함으로써 Machine Learning 모델과 그 의미에 대한 이해력을 높일 수 있을 것이다. 2022. 7. 28. Part 1. SL Foundation Module 2. 지도학습(분류/회귀)은 이화여자대학교 강제원 교수님이 강의를 하셨고 Module 2에 관한 모든 내용은 LG Aimers 및 이화여자대학교 강제원 교수님으로부터 나왔다. Foundation of Supervised Learning 이번 포스팅에선 Machine Learning(머신러닝, 기계학습)에 대해 알아보도록 하자 Machine Learning 이란 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘으로 인공지능의 한 분야이다. 또한 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다. 예를 들어 기계 학습을 통해서 수신한 문자가 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다. 일단 쉽게 이해를 하자면 Data들을 통해 학습을 하고 학습하지 않은 Data들을 inp.. 2022. 7. 23. Module 2. 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. 2022. 7. 23. 이전 1 2 3 다음
