[AIVLE/Week4&5] 머신러닝 & 딥러닝

머신러닝

일정

• 2023. 02. 20 ~ 2023. 02. 24

배운 내용

• 1. 머신러닝 소개
  
  • 머신러닝에 대한 이해
  • 분류와 회귀
  • 미리 알아 둘 용어
  • 모델링 코드 구조
• 2. 성능 평가
  • 회귀 모델 성능 평가
  • 분류 모델 성능 평가
• 3. 기본 알고리즘
  • Linear Regression
  • K-Nearest Neighbor
  • Decision Tree
  • Logistic Regression
  • Support Vector Machine
• 4. K-Fold Cross Validation
• 5. Hyperparameter 튜닝
• 6. 앙상블(Ensemble)
  • 앙상블 이해
  • 보팅, 배깅, 부스팅, 스태킹

회고

  데이터 분석과 수집(크롤링) 과정을 지나 본격적으로 AI 과정에 입문했다. 머신러닝 코드는 일련의 과정이 반복되며 그 툴에 익숙해지는 시간이 필요하다는 생각이 들었다. 강사님께서도 처음에는 코드 작성에 익숙해지도록 반복 작성을 지도해주셨고 어느정도 코드에 익숙해졌을 때 개념 설명을 해주시면서 좀 더 이해가 잘 됐던 것 같다. 머신러닝 알고리즘의 여러 종류들과 평가법, 이를 적절히 활용한 앙상블 모델까지 배우면서 5일만에 머신러닝에 대한 지식이 가득 쌓였다!

 

딥러닝

일정

• 2023. 02. 27 ~ 2023. 03. 03

배운 내용

• 1. 선형회귀
  • 선형 회귀를 Neural Network 구조로 이해
  • 선형 회귀를 Tensorflow & Keras 2.X 코드로 구현
• 2. 로지스틱 회귀
  • sigmoid 이해
• 3. 멀티 클래스 분류
  • one-hot encoding
  • softmax function
• 4. ANN(Artificial Neural Network)
  • 히든 레이어를 추가하여 모델링하기

회고

  머신러닝에 이어 딥러닝을 배우는 시간이었다. 지금은 여러 차례의 미니프로젝트와 지금의 빅프로젝트 과정을 겪으면서 머신러닝, 딥러닝 코드가 많이 익숙해졌지만 당시에는 낯설고 처음 보는 용어들이 가득해서 어려웠었다. 그래도 딥러닝 역시 구조적으로 접근하면서 코드 스타일을 익히고 개념을 접하려했다. 무엇보다 당장 그 다음 주에 2차 미니 프로젝트가 있었다보니 조원들에게 피해를 주면 안되겠다는 생각에 최대한 따라가려했다 .. ㅎㅎㅎ ^.^ 용어가 어렵다보니 한 번 포기하거나 수업을 놓치면 다음 개념도 어려워지는 것 같다. 그러니 어려워도 최대한 듣고 적으며 배우자! 그래도 강사님께서 필기를 바탕으로 계속 지난 개념을 복습해주셔서 훨~~씬 잘 이해가 됐다.

 

출처 - 대학일기