[KT AIVLE SCHOOL] KT Aivle 3차 미니프로젝트 후기 1

KT AIVLE SCHOOL 3차 미니프로젝트는 총 4일 동안 2개의 주제로 진행되었습니다. 두 프로젝트 모두 머신러닝을 활용하여 진행되었습니다.

 

1. 스마트폰 센서 데이터 기반 행동 인식 분류

 

• 이 프로젝트는 스마트폰의 다양한 센서 데이터를 활용하여 사람의 행동을 인식하고 분류하는 것이 목표였습니다.
• 인간 행동 인식(HAR) 기술은 다양한 센서를 통해 사람의 모션 정보를 수집하고 해석하여 행동을 인식하는 기술입니다.

지도학습 방식으로 진행되었으며, 다양한 알고리즘(Random Forest, Logistic Regression, SVM, KNN 등)을 활용하여 분류 모델을 생성하고 성능을 검증하였습니다.

 

 

하이퍼파라메터를 조정하고 행동을 분류하였을때 로지스틱 회귀가 가장 좋은 성능을 보여 저희는 로지스틱 회계를 채택하였습니다. 하지만 STANDING과 SITTING 행동을 구분하는 부분이 조금 까다로웠지만, 단계별로 접근하면서 성능을 높일 수 있었어요. 로지스틱 회귀 모델이 처음에는 좋지 않았지만, 단계를 나누어 학습하니 놀랍게도 성능이 크게 향상되었답니다.

 

 

 

그 후 단계적 모델링을 통해 모델 1,2-1,2-2 모두 성능이 가장 좋게 나온 로지스틱회귀를 사용하여 행동예측을 진행하였습니다.

 

이번 프로젝트를 통해 센서 데이터 활용, 특징 엔지니어링, 다양한 머신러닝 모델 적용 등 많은 것을 배울 수 있었어요. 특히 지도학습 방식으로 접근하면서 데이터에 대한 이해도가 높아졌죠.

 

종합적으로 KT AIVLE SCHOOL 3차 미니프로젝트는 스마트폰 센서 데이터를 활용한 행동 인식 분류 문제를 다루었으며, 다양한 머신러닝 알고리즘을 적용하여 높은 정확도의 모델을 개발할 수 있었습니다. 이러한 기술은 향후 다양한 분야에서 활용될 수 있을 것으로 기대됩니다