[Data Visualization] 시각화 연습 - Netflix Data Visualization 2

오늘은 위의 그래프를 만들어 볼 것입니다. 흠 우선 이번에도 matplotlib 의 subplots를 사용해보면 좋겠네요. 상위 3개의 국가 그래프에는 빨간색을 칠해야하고 각 그래프의 위쪽에는 해당 국가의 컨텐츠 수를 써야합니다. 그리고 500개 단위로 라인을 그어줘야 하고 오른쪽에는 Insight 텍스트까지 넣어보면 되겠네요. 하나하나 코드를 다 뜯어서 어떤 식으로 전개되는지 해봅시다 ! 불필요한 데이터들을 계속해서 정리해주는 작업을 합니다 . 동시에 필요한 컬럼들을 생성합니다. 'counts' 값이 많은 순서대로 내림차순 저번 시간에 해봤던 반복문을 통한 주석달기. 정말 유용하게 쓸 수 있음 ! # Remove border from plot for s in ['top', 'left', 'right']..

• format_list_bulleted Data science/Machine Learning basic
• · 2023. 1. 25.

[Toy project] Deep Drowsiness Detection - 졸음 감지 part1

pytorch 를 사용하여 웹캠을 통해 사람이 졸고있는 모습을 탐지하는 프로그램을 만들어보기로 했다. Gameplan 1. Ultralytics YOLO 설치 2. 탐지를 하는 프로그램을 만들어 봅시다. 3. 졸음 감지 모델을 튜닝 4. 리얼 타임 퍼포먼스 Ultralytics YOLOv5 https://github.com/ultralytics/yolov5 GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub..

• format_list_bulleted Data science/Deep Learning Toy Project
• · 2023. 1. 21.

Coursera - Convolutional Neural Networks

Convolution Neural Networks 컴퓨터가 이미지를 인식할 때, 가장 먼저 하는 일은 이미지의 수직 엣지(vertical edges)를 검출하는 것. 또한 수평 엣지(horizontal edges) 를 검출할 수 있습니다. 수직 엣지는 이미지상에서 수직의 이미지 ( 서있는 사람, 나무 등 ) 이고 수평 엣지는 ( 난간, 가로로 뻗은 이미지 ) 입니다. 합성곱 연산을 통해 수직 엣지 검출기를 구현하는 방법 Padding 6x6 행렬에 3x3 행렬을 곱하면 4x4 행렬이 나옵니다. 이 방법의 단점은 2가지가 있습니다. 합성곱 연산을 적용할 때마다 이미지가 축소됩니다. ( 6x6 → 4x4 ) 모서리 구석에 있는 작은 픽셀의 정보가 버려질 확률이 높음. 중간에 있는 픽셀과 겹치는 3x3 영역이..

• format_list_bulleted Data science/Pytorch Basic
• · 2022. 12. 23.

Fastai - Disney Character 분류 모델 만들기

Book- fastai와 파이토치가 만나 꽃피운 딥러닝 Fastai 는 제레미 하워드라는 사람이 만든 Pytorch의 상위 wrapper 라고 생각하면 됩니다. Pytorch를 한번 더 감싸서 많은 것들을 자동화 시켜주고 모델러들이 핵심에 집중할 수 있도록 하는 것을 목표로 합니다. 실제로 코드를 보면 Pytorch 나 Tensorflow처럼 복잡한 로직이 필요없고 간단하게 원하는 모델을 구현할 수 있다. 위의 두 줄의 명령어의 실행이 완료된 다음, 반드시 런타임을 재시작 해야합니다. 마이크로소프트 Bing 검색엔진을 통한 이미지 검색 등의 라이브러리는 FASTAI 차원에서 제공하는 일반화된 라이브러리가 아닙니다. 다만, 책 내용의 실습을 위해서 fastbook 저장소에서 별도로 작성되어 제공됩니다. 교..

• format_list_bulleted Data science/Pytorch Basic
• · 2022. 11. 3.

머신러닝 프로세스 이해하기 - 모델 검증과 평가 ( Validation & Evaluation ) & 하이퍼 파라미터(Hyperparameter Optimization)

Validation ( 검증 ) 머신러닝의 프로세스에서 전체 데이터를 학습데이터와 훈련데이터로 나누는 단계는 매우 중요한 단계입니다. 학습 데이터로 모델을 생성한 뒤에 중간 과정을 생략한 후 테스트 데이터로 모델을 평가한다면, 이렇게 생성된 모델은 과적합이나 과소적합이 발생할 우려가 있습니다. 이런 문제를 해결하기 위해서 테스트 데이터 전에 자신을 점검해 볼 수 있는 과정이 필요한데, 그 과정을 검증(Validation)이라고 하며 검증에 사용하는 데이터셋을 검증 데이터셋(Validation dataset)이라고 합니다. 검증 데이터셋은 학습 데이터셋의 일부를 사용합니다. Various Validation 머신러닝 모델의 검증 방법은 크게 3가지로 나눌 수 있습니다. 첫 번째가 Holdout, 두 번째가..

• format_list_bulleted 카테고리 없음
• · 2022. 11. 2.

머신러닝 프로세스 이해하기 - Machine Learning Process & Pipeline

항상 헷갈리는 머신러닝 나만 그런건지 모르겠지만... 주기적으로 캐글 문제들을 풀지 않아서 그런걸까. 머신러닝의 프로세스를 대충 알고 있지만 어느 단계에서 어떤 방법을 사용해야 하는지 자꾸 까먹거나 헷갈릴 때가 많다. 중간 고사도 끝났고 kaggle 문제들을 본격적으로 풀기 전에 다시 한 번 머신러닝의 전체적인 프로세스를 쭉 학습하며 정리했다. 구글링을 해보면 정말 많은 레퍼런스가 있는데, 사실 사용하는 사람들마다 용어가 조금씩 다르기도 하고 순서도 제각각 다른 경우도 많다. 하지만 사용하는 사이킷런 코드나 큰 틀은 일관된 방향성을 갖는다. 이번 포스팅에서는 데이터 전처리에 대해 다룬다. 데이터 전처리는 주로 데이터 클리닝(Data cleaning) , 데이터 변형(Data Transformation),..

• format_list_bulleted Data science/Machine Learning basic
• · 2022. 10. 28.