모델링8 [KT AIVLE SCHOOL] KT Aivle 5차 미니프로젝트 후기 2 5차 미니프로젝트 두번째는 얼굴 인식 프로젝트입니다. 최종적으로는 yolo모델을 사용해 조원들의 얼굴을 인식하는것이 최종목표입니다. 프로젝트 진행순서 프로젝트의 진행순서는데이터 전처리 -> 모델링Ⅰ- YOLO v8 -> 모델링Ⅱ - YOLO v8 추가학습 모델링Ⅰ에서는 13명의 유명인들의 얼굴을 학습시켜 모델을 만들어 보는 것 이고모델링Ⅱ 에서는 6명의 조원들의 얼굴을 추가 학습시켜 모델을 만델을 만드는 것입니다. 플로우차트 모델링 Ⅰ YOLO 모델에 적용할 YAML 생성import yamldata = { 'train': '/content/mini_project5/datasets/train/', 'val': "/content/mini_project5/datasets/valid/images".. 2024. 5. 12. [KT AIVLE SCHOOL] KT Aivle 5차 미니프로젝트 후기 1 5차 미니프로젝트에서는 시계열 데이터를 활용한 상품 판매량 예측 모델링을 진행했습니다. EDA 탐색적 분석 중요 범줏값의 비율을 확인합니다.각 범주별 판매량 및 판매량 추이등을 확인 했습니다. 두 범주별 판매량 추이를 이용해 판매량을 선그래프로 시각화해 시계열 패턴을 찾았습니다. diff()함수를 사용해 변수에 대한 변화량을 확인할 수 있습니다. 데이터프레임 구성기본 변수 구성날짜 변수에서 요소 추출데이터 전처리결측치 처리범주형 데이터의 가변수화데이터 분할(학습용, 검증용)# datetime 형으로 변환sales['Date'] = pd.to_datetime(sales['Date'] )oil_price['Date'] = pd.to_datetime(oil_price['Date'] )orders['Dat.. 2024. 5. 12. [PYTHON] 딥러닝 분류 모델 (Classifier Model) 딥러닝 분류는 딥러닝(신경망)을 사용하여 데이터를 여러 범주(Class)로 분류하는 기술입니다. 주어진 입력 데이터가 어떤 범주에 속하는지를 예측하는 문제를 해결합니다. 딥러닝 분류는 이미지, 텍스트, 음성 등 다양한 유형의 데이터에 적용될 수 있습니다. 이를 통해 이미지 분류, 텍스트 감성 분석, 음성 인식 등 다양한 응용 분야에서 활용됩니다. 알고리즘 동작 방식:인공 신경망 구성: 딥러닝 분류는 여러 층으로 구성된 인공 신경망을 사용합니다. 이 신경망은 입력층, 은닉층(하나 이상), 출력층으로 구성되며, 각 층은 뉴런(노드)으로 구성됩니다.순전파(Forward Propagation): 입력 데이터가 인공 신경망의 입력층으로 전달되고, 각 층의 가중치와 편향을 고려하여 계산된 출력이 순차적으로 전달됩.. 2024. 4. 28. [PYTHON] 딥러닝 회귀 모델 (Regression Model) 딥러닝 회귀는 딥러닝(신경망)을 사용하여 연속형 값을 예측하는 회귀 문제를 해결하는 기술입니다. 딥러닝은 입력과 출력 간의 복잡한 비선형 관계를 모델링할 수 있는 강력한 도구로, 다양한 형태의 데이터에 대해 효과적으로 적용될 수 있습니다. 딥러닝 회귀는 예측할 출력 값에 대한 연속적인 값을 예측하는 데 사용됩니다. 알고리즘 동작 방식:인공 신경망 구성: 딥러닝 회귀는 여러 층으로 구성된 인공 신경망을 사용합니다. 이 인공 신경망은 입력층, 은닉층(하나 이상), 출력층으로 구성되며, 각 층은 뉴런(노드)으로 구성됩니다.순전파(Forward Propagation): 입력 데이터가 인공 신경망의 입력층으로 전달되고, 각 층의 가중치와 편향을 고려하여 계산된 출력이 순차적으로 전달됩니다. 이러한 과정을 통해 .. 2024. 4. 28. 이전 1 2 다음
