다양한 이야기들🍃

교수님께서 새로운 과제를 주셨어요 ~!지피티가 투두리스트를 정리해 준 것에 따라 이번 과제(어쩌면 방학 중 마지막이 될 수도 있는 !! 그리고 드디어 그냥 공부가 아니라 실제 의료데이터로 하는 것만 같은!!)를 체계적으로 실행해볼게요 !! ■  최종 과제 목표"LeNet, ResNet, EfficientNet을 분석하고, ISIC 2020 데이터셋(이미지 데이터)에 적용하여 하이퍼파라미터 튜닝을 통해 성능을 비교 및 최적화하는 것."  1. CNN 모델 분석→ LeNet, ResNet, EfficientNet의 구조와 특징 이해2. ISIC 2020 데이터셋 분석 → 이미지 데이터 구조 및 분포 확인3. CNN 코드 분석 → 코드 흐름과 주요 함수 파악4. 데이터 적용 및 하이퍼파라미터 튜닝 → 모델 학..

아래 자료를 공부하며 정리한 내용입니다 ~!    https://theaisummer.com/cnn-architectures/ Best deep CNN architectures and their principles: from AlexNet to EfficientNet | AI SummerHow convolutional neural networks work? What are the principles behind designing one CNN architecture? How did we go from AlexNet to EfficientNet?theaisummer.comhttps://medium.com/towards-data-science/the-w3h-of-alexnet-vggnet-resnet-and..

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..