참고 커널: https://www.kaggle.com/wangmo/self-driving-cars-road-segmentation-task Image Classification과 Object Detection, Image Segmentation의 차이 [Image Classification] -입력 이미지를 클래스나 레이블로 분류, 할당 [Object Detection] -이미지 속 여러 물체의 위치를 찾아 boxing하는 detection [Segmentation] -pixel-wise classification -Sementic Segmentation과 Instance Segmentation으로 나뉨 Semetic Segmentation: 같은 class 물체가 있더라도, 개별 object에 대한 고..

심화 스터디/코드 분석 스터디 2021. 11. 4. 23:52

Week4_Regression : time-series regression 시계열 작성자 : 14기 김유민 Kaggle : Predict Future Sales 커널 필사 대회 소개 링크 : https://www.kaggle.com/c/competitive-data-science-predict-future-sales 비즈니스 소프트웨어 기업 1c company의 일별 판매 내역 데이터가 제공됨 다음 달 해당 스토어에서 판매되는 제품량 예측 상점 및 제품 목록은 매월 약간씩 변경되며 이러한 상황을 처리할 수 있는 강력한 모델을 만들자. 데이터 파일 sales_train.csv - 2013년 1월부터 2015년 10월까지의 일일 과거 데이터. train set test.csv - 상점과 제품의 2015년 1..

심화 스터디/코드 분석 스터디 2021. 10. 1. 11:24

작성자: 14기 김혜림 [참고논문] https://arxiv.org/pdf/1707.02921.pdf [들어가기 전] Super Resolution 이란? 화질을 개선하는 task 라고 생각하면 될 것 같다. 얼마전에 LG에서는 이미지 화질 개선 대회를 개최했을만큼(지금은 끝났지만), 실생활과도 맞닿아 있는 주제이다. 실은 컴퓨터 비전의 어떤 분야가 안 그렇겠냐만은. Super Resolution은 Classificaiton이나 Object detection과 같은 high level의 컴퓨터 비전 분야는 아니고 low level 컴퓨터 비전이라고 한다. 한편 최근 딥러닝 기법들이 발전해옴에 따라 SR 분야도 이를 적용해서 좋은 성능을 내는 연구들이 나오고 있는데, 이전까지는 CNN 을 이용했다면 최근은..

심화 스터디/의료 데이터 스터디 2021. 9. 30. 20:45

1. Introduction 이제까지의 NLP 모델은 labeled data를 필요로 했고 이러한 데이터는 label을 달기 위해 시간도 오래걸릴뿐더러 텍스트가 다양한 영역에서 적용될 수 있는 가능성을 제한했다. 그래서 unlabeled data를 사용하는 모델은 그 이전 모델에 대한 중요한 대안이 되었다. 심지어 unsupervised한 방식으로 만들어진 모델은 훨씬 더 좋은 성능을 보였다. 그러나 unlabeled text를 사용하는 모델은 두가지 문제점이 있었다. 첫번째, 어떤 종류의 목적에서 가장 효율적인지 분명하지 않았다. (다만 최근 연구에서는 language modeling, machine translation, discourse coherence 등의 목적에서 좋은 성과를 보였다.) 두번째..

심화 스터디/NLP 스터디1 2021. 9. 30. 20:13

딥러닝 기반 모델 발전 최신 고성능 모델들은 Transformer 아키텍처를 기반으로 하고 있다. GPT : Transformer의 디코더(Decoder) 활용 BERT : Transformer의 인코더(Encoder) 활용 0. Abstract 이전까지는 인코더와 디코더를 포함해 시퀀스를 변형시키는 RNN/CNN 기반 모델을 전적으로 사용 인코더/디코더 구조 + Attention 메카니즘 : 성능 향상 본 논문에서는 Attention 메카니즘에 전적으로 기반을 둔 Transformer 아키텍처 제안 각 sequence를 반복해서 처리할 필요가 없으므로 행렬곱을 이용해 병렬 처리 가능 - 시간 단축 WMT 2014) 영→독,영→불 변환하는 Task에서 성능 개선 seqeucne를 처리하는 여러 task에..

심화 스터디/NLP 스터디1 2021. 9. 30. 02:27

작성자 : 13기 전보민 참고 커널 : https://www.kaggle.com/mostafaalaa123/simple-house-prediction/notebook#Outliers-! Simple House Prediction Explore and run machine learning code with Kaggle Notebooks | Using data from House Prices - Advanced Regression Techniques www.kaggle.com 대회 소개 집의 특성을 나타내는 79개의 설명변수를 활용해 집값을 예측하는 문제 feature engineering과 regression techniques(e.g. random forest, gradient boosting)을 연습해..

심화 스터디/코드 분석 스터디 2021. 9. 30. 01:35

Abstract 본 논문에서는 BERT를 extractive, abstractive model 모두에게 사용할 framework를 제안한다. Extractive encoder의 맨 위에 inter-sentence Transformer layer를 쌓아서 생성 Abstractive 새로운 Fine-tuning schedule Two-staged fine-tuning Introduction 모델 등장 배경 대부분의 pretrained language model은 분류 task를 위한 문장 & 문단수준의 자연어 이해를 위한 인코더로 채택 됐다. → 텍스트 요약을 위해서는 previous task와 다르게 요약에는 개별 단어와 문장의 의미를 이해하는 것을 넘는 광범위한 이해가 필요 세 가지의 기여 요약 task..

심화 스터디/NLP 스터디2 2021. 9. 28. 13:55

대회 소개 kaggle 대회 링크 https://www.kaggle.com/c/costa-rican-household-poverty-prediction Costa Rican Household Poverty Level Prediction | Kaggle www.kaggle.com 대회의 목적 : 미국을 비롯한 여러 나라의 은행들과 기관들은 도움이 필요한 사람들에게 금전적인 지원을 하고 있다. 하지만 이러한 단체들은 수많은 사람들 중 과연 누가 이러한 지원이 필요한 사람인지를 정확히 판별함에 있어서 어려움을 겪고 있다. 이 대회는 이러한 어려움을 해소하기 위해서 다양한 변수들을 제공하고 이를 통해 도움이 필요한 사람들을 분류하는 모델링을 진행하는 것이 이 대회의 목적이다. 사용하는 데이터 셋의 특징 : 14..

심화 스터디/코드 분석 스터디 2021. 9. 27. 01:21