Generative Adversarial Nets_GAN_(Overview) : 2014년 공개된 GAN(Generative Adversarial Nets) 논문 리뷰를 진행 : 개념을 설명하는 Overview와 Tensor 2.0 구현 Code 2개 챕터로 소개 Generative Adversarial Nets 논문 링크 arxiv.org/pdf/1406.2661.pdf Generative Adversarial Nets Tutorial 링크 arxiv.org/pdf/1701.00160.pdf 1. Concept : 생성모델(G)은 학습 데이터를 학습하여 학습 데이터의 분포를 따르는 유사한 데이터를 생성하는 모델 : Markov decision process, VAE, Bayesian Network, G..

한국방송통신대학교 통계데이터과학과 수강신청 및 생활 : 대학교를 졸업한지 오래됐다보니 학교생활에 전반적인 규칙들이 많이 생소함(1) : 방통대 입학부터 졸업까지 지켜야하는 규칙이나 생활에 필요한 몇가지 내용들을 소개하고자 함 한국방송통신대학교 통계데이터과학과 편입 today-1.tistory.com/43 한국방송통신대학교 통계·데이터과학과 생활 방통대 통계·데이터과학과 편입 : 21년 DS팀에서 연구 개발팀으로 이동하게 되면서 원론적인 부분의 필요성을 느낌 : 원론 공부를 중간에 포기하지 않고 끝까지 하기 위해서 방통대 편입을 결정 today-1.tistory.com 1. 수강 신청 : 학기당 18학점(6개 과목)까지 수강신청이 가능하며 첫 학기(입학, 편입)의 경우 19학점 : 방통대 수업은 대부분 3..

방통대 통계데이터과학과 편입 : 21년 DS팀에서 팀으로 이동하게 되면서 원론적인 부분의 필요성을 느낌 : 원론 공부를 중간에 포기하지 않고 끝까지 하기 위해서 방통대 편입을 결정 : 통계 및 데이터과학에 관심이 있는 분들과 함께 같이 공부하며 동기부여를 얻고자 함 방통대 통계 데이터과학과 홈페이지 stat.knou.ac.kr/stat/index.do?epTicket=ST-135087-ZqcUtZhqONdXMpvxiaUJMeThcWexQNzWzHb-56 1. 3학년 1학기 수업 일정 : 이번 학기에는 총 19학점을 이수해야 함 : 사실 크게 힘들지 않을거라 생각했지만 출석, 과제, 시험이 모두 있는 대학생활과 크게 다르지 않음 : 이번 학기 모든 과목을 무사히 통과하고 다음학기에 장학금 받는것을 목표

태양광 발전량 예측 AI 경진대회_Dacon(2/3부) : 지난 포스팅에서는 태양광 발전량 예측 AI 경진대회 문제와 데이터에 대해 소개를 함 : 이번 포스팅에서는 모델의 설명력과 성능을 가장 향상시켜 줬던 변수(처리방법 포함)와 모델을 공유하고자 함 태양광 발전량 예측 AI 경진대회_Dacon(1/3부)_ 대회 및 데이터 소개 today-1.tistory.com/40 태양광 발전량 예측 AI 경진대회_Dacon(1/3부) 태양광 발전량 예측 AI 경진대회_Dacon(1/3부) : 시계열 데이터 분석을 공부하면서 배운 내용을 실제로 활용해 보기 위해 해당 competition에 참가하게 됨 : 분석 주제는 지역의 기상 데이터와 과거 발 today-1.tistory.com 대회 소개(링크) dacon.io..

FaceBook Prophet Library : Facebook에서 공개한 시계열 예측 오픈소스 라이브러이인 'Prophet'을 가지고 Kaggle 문제를 풀어보자 : Prophet은 현업 전문가들이 풍부한 도메인 지식을 바탕으로 쉽게 예측 문제를 접근할 수 있도록 도와주는 라이브러리로 소개됨 자동화 된 기술은 상황에 맞게 튜닝하기 어렵고 경험적 지식을 반영하기 어려움 분석가들은 도메인 지식만 풍부한 편이며 분석을 쉽게 다루지 못함 비전문가가 경험적 특성을 반영할 수 있도록 필요한 부분을 자동화 : 실제로 사용해본 결과 빠르게 결과를 산출해낼 수 있으며 생각외로 좋은 성능을 보여줌 : Prophet의 하이퍼 파라미터를 소개하면서 Kaggle 문제를 교보재로 소개하고자 함 Paper: https://pee..

태양광 발전량 예측 AI 경진대회_Dacon(1/3부) : 시계열 데이터 분석을 공부하면서 배운 내용을 실제로 활용해 보기 위해 해당 competition에 참가하게 됨 : 분석 주제는 지역의 기상 데이터와 과거 발전량 데이터를 활용하여, 시간대별 태양광 발전량을 예측(30분 단위) : 한 달이 넘는 기간동안 참가했으며 대회 종료까지 104회 제출하여 Public 1위, Private Top10 기록 : 해당 대회는 굉장히 큰 Shake Up이 발생해 최종적으로는 수상을 하지 못함 : 사실 local CV와 LB score가 굉장히 틀려 과적합을 의심했었지만 LB score의 미련을 버리지 못한 실수인지.... : 이번 대회에서는 모델링뿐만 아니라 FE(feature engineering)이 매우 중요했..