다양한 이야기들🍃

의료데이터 공부하기 4강_ 위험 계층화https://youtu.be/_shuV1tJbTU?si=BR6NArVryThEgikM '위험 계층화' 는 환자 집단을 여러 범주로 나누는 방법이다.ex) 고위험군, 저위험군, 중간위험군 '위험 계층화'는 '진단'과 다르다 진단 -> 오진(Misdiagnosis)이 발생하면 환자가 필요하지 않은 치료를 받거나, 적절한 치료를 제때 받지 못할 수 있다.위험계증화 -> 특정 범주(고위험, 저위험 등)에 환자를 분류하는 것이 목표이며, 완벽한 정확도가 요구되는 것은 아니다. 이러한 차이점 때문에, 위험 계층화에서는 양성 예측도(Positive Predictive Value, PPV) 같은 지표를 중시한다.즉, "우리가 고위험군이라고 예측한 환자들 중 실제로 고위험군에 해..

https://youtu.be/DS97JV_o0Fs?si=uJBs4CC2fPbFVsKN https://youtu.be/0UFwGJe6ubg?si=uVPirmxkYD3DWoCq 피피티는 유튜브 강의에서 사용하신 피피티를 아주 많이 참고하여 발표 자료를 만든 것이다. 병원에서는 환자의 심박수, 혈압, 과거 병력 등등 다양한 데이터를 수집하여 지료에 사용합니다. 그런데 만약 그 데이터들이 부정확하거나, 잘못 분석되었다면 어떤 결과를 초래할까요? 한 연구팀은 같은 병원에서 수집된 심박수 데이터를 분석하다가, CareVue 시스템에서는 심박수의 평균이 108.89, MetaVision 시스템에서는 87.41로 나타나는 차이를 발견했습니다. 같은 병원 데이터임에도 불구하고 이 차이가 발생한 이유는, 이 두 ..

3주차 수요일 https://youtube.com/playlist?list=PLUl4u3cNGP60B0PQXVQyGNdCyCTDU1Q5j&si=iOUuKMchJz8QbFEE MIT 6.S897 Machine Learning for Healthcare, Spring 2019Instructors: David Sontag, Peter Szolovits View the complete course: https://ocw.mit.edu/6-S897S19 Introduces students to machine learning in healthcare, the...www.youtube.com 머신러닝 기술을 통해서 의료사회를 어떻게 혁신 할 수 있을까?이 분야에 관심을 갖게 된 각자의 사연들이 있는 것 같다. 암판..

를 시작하기 전 ~~,,이전 강의를 들었는데에~,,,이후 나는 딥러닝 개요를 배웠는데,,,팀원들은 뉴럴 네트워크를 배웠다고 한닷…??!텍스트 그 자체로, 진짜 학습안된 기계인마냥 두 개의 단어가 다르다고 완전히 다른 개념이라고 생각했던 나..딥러닝과 뉴럴 네트워크가 무엇인지 지피티에게 물어보았다..💭뉴럴 네트워크(Neural Network)와 딥러닝(Deep Learning)은 서로 관련이 깊지만 완전히 같은 개념은 아니다.1. 뉴럴 네트워크 (Neural Network)는-뉴럴 네트워크는 생물학적 뇌의 뉴런 구조를 모방한 계산 모델이고-입력 데이터를 처리하고 결과를 출력하기 위해 노드(뉴런)와 그들 간의 연결(가중치)로 구성된 계층 구조를 가지고 있다.2. 딥러닝 (Deep Learning)은 -뉴럴..

25/01/13-14벌써 랩실에 들어와 스터디를 시작한지 3주차가 되었다 !!지난주는 강의보기 + 캐글 타이타닉⛴️문제 2.5% 안에 들기 +  3일간 특강의 과제가 주어져서 업로드 할 수 있는 형태의 기록이 없었던 것 같아 늦어버렸다💦2주차 랩실스터디 과제의 첫번째! 딥러닝 강의보고 스터디 후 요약(? ,,,이 아니라 더 정리 내용이 늘어나는 것 같긴 하지만)을 시작한다 ~~![영상]https://youtu.be/aircAruvnKk?si=u8n_-L0-ItNT9NGy"딥러닝" 은 컴퓨터가 사람처럼 학습하고 문제를 해결할 수 있도록 하기 위해, 뇌의 뉴런을 모방한 인공신경망을 기반으로 데이터를 분석하고 패턴을 찾아내는 기술이다. 우리는 픽셀이 다르고 밝기도 다른 3이 써져있는 그림을 봐도 우리는 모두..

총 5분 발표 2분 : 배운 이론 간단히 요약 - Decision tree classifier - Decision tree regressor- Random forest - GridSearchCV (sklearn) 3분 : 배운 이론에 따른 순서와 흐름별 코드리뷰    1️⃣ Decision Tree Classifier• Decision Tree Classifier는 데이터를 분류하기 위해 계층적으로 분할하는 모델이다. • 목적 : 주어진 데이터를 반복적으로 분할하여 불순도를 최소화하고, 각 분할마다 최적의 기준을 선택하기 위함이다. • 불순도 측정에는 엔트로피(Entropy), 지니 지수(Gini Index)가 사용된다.  2️⃣ Decision Tree Regressor • Decision Tree R..

회귀(Regression)란?:  머신러닝과 통계학에서 연속적인 수치 값을 예측하거나 변수 간의 관계를 모델링하기 위한 분석 기법이다.입력 변수(독립 변수, feature)가 출력 변수(종속 변수, target)에 어떻게 영향을 미치는지를 수학적 방식으로 모델링한다. 결정 트리 회귀(Decision Tree Regression)란?: 결정 트리(Decision Tree)를 사용하여 연속적인 값(숫자 값)을 예측하는 회귀 방법이다.데이터가 여러 구간으로 나뉘고, 각 구간에서 평균값이나 특정 기준을 사용하여 출력 값을 예측한다. 1) 두 클래스 분류의 불순물을 정의하는 방법 가능한 모든 분할에 대한 분산 감소를 평가하고 최상의 분할을 선택해야 함.결정트리로 데이터를 조건에 따라 두 개의 하위집합으로 나눈 후..

https://youtu.be/ZVR2Way4nwQ?si=W86UJdz3jLUoDCH0  위 영상을 통한 기록   어떤 알고리즘도 경험, 즉 데이터 없이 학습할 수 없기 때문에, 학습을 위한  데이터가 필요하다.  데이터 셋은 각각  x₀ (가로축)와  x₁ (세로축)에 있다.  그리고, 초록색과 빨간색의 두 개의 클래스로 존재한다.   이 두 개의 클래스는 선형적으로 분리할 수 없다. 즉, 단순히 직선으로 두 클래스를 분리할 수 없다는 것이다. 이 문제는 결정 트리(Decision Tree) 를 통해 해결할 수 있다. 결정트리 : 이진 트리(Binary Tree)를 말하며, 데이터가 순수한 리프 노드(Pure Leaf Nodes)가 될 때까지 반복적으로 분할하는 것.위에서 말한 ' 순수한 리프 노드'는..

첫 글이니깐 딴 말을 조금 적어보자면,,!!2025.01.06(월) 부터 캡스톤1을 위한 동계방학 스터디.. 랩실 생활이 시작됐다! 오늘이 1월 8일 이니깐 3일차가 되겠다..서00 양이 내가 가게되는 랩실이 방학 일정도 그렇고 학기 중에도 그렇고 빡세다고 말해주었는데..나도 빡세게 살기를 좋아하고 추구하는 타입이라, 나랑 잘 맞겠다며 도전적으로 걱정 하나 없이 스터디를 시작하였다. 1일차인 월요일에는 주요 파이썬 문법을 전체적으로 보았고,2일차인 화요일에는 파이토치 카테고리에 있는 여러가지 모델을 공부하고 요약했다. 3일차인 오늘 수요일에는, 점심먹고 교수님과의 미팅시간이 잡혔다. (깜짝공개받았다..)파이썬과 파이토치 강의를 보내주시며 (영어강의..), 공부하며 요약하라고 하셨는데...그 요약을 보여드..

CNN이란?Convolutional Neural Network 의 앞 문자를 따서 부르는 것으로 '합성곱 신경망'이라고 한다.이미지 처리와 같은 공간 데이터 분석에 특화된 딥러닝 모델이다.    CNN 구조는 합성곱과 풀링을 통해 입력 이미지를 처리하고, 최종적으로 완전 연결층을 통해 클래스(숫자 0~9)를 예측한다.이 과정은 특징 추출(feature extraction)과 분류(classification)의 두 단계로 구성되어 있다.  1. 입력층(Input Layer)크기: 32x32 픽셀의 이미지 입력.위 사진의 손글씨 숫자 3.2. 특징 추출(Feature Extraction) 1) 첫 번째 합성곱층 (C₁: Convolution Layer)필터 크기: 5x5 크기의 합성곱 필터 적용.출력 크기:..