50+ days of Machine Learning

 안녕하세요? 오늘은 Day 33입니다! 학회가 끝나고 Deep learning specialization도 다 했더니 이제 뭐가 있을까 고민했다. 어려운 택이 아니였다. DeepLearning.AI의 course이 다 대단하다! TensorFlow: Data and Deployment Specialization 한글 분류 모델 웹사이트 오늘 첫번째 부분을 공부했다 브라우저에서 머신러닝 모델을 어떻게 만드는지 훈련시키는지에 대해 공부했다. 바로 tensorflowjs으로 할 수 있다 브라우저에서 훈련할 수 있고 파이썬 jupyter에서 만들었던 모델도 로드 후 사용할 수 있다 과제 중 가위바위보 사진 찍고 모델을 훈련시키라고 데이터는 제가 직접 찍어 봤다.  풍선이 왜 나왔는지 잘 모르겠다 ㅎㅎ 오늘 js으로 모델을 올라가는지 알게 되어서 예전에 구성했던 아이디어 실제로 할 수 있을까 생각이 들었다 한글 분류 모델  < 이건 머신러닝 처음 배웠을 떄 (2023년 여름~) 만들어 봤는데 그 때 뭐 했는지 100% 이해 못 했어도 이 모델에 기반으로 간단한 한글 문자 분류 앱이나 웹사이트 만들고 싶었다. 그런데 시간이 많이 없어서 포기하게 되었다. 오늘은 이 생각이 다시 태어났다 ㅎㅎ  단순 모델 구성한 후 html 및 js으로 웹사이트 만들어 봤다 모델의 정확도와 손실이 다음과 같다 자 ... 그러나 어려운 부분이 canvas 사용하는 것이였다! 일단, flask으로 단순 웹 만들어 볼까 했는데 어떤 오류 계속 나왔다 "Uncaught (in promise) DOMException: Failed to execute 'getImageData' on 'CanvasRenderingContext2D': The source width is 0". 어떻게 해결했는지 검색하다 못 했다 ㅜㅜ 그럼 ~ html와 js - 베이직 방법으로 해 보자고 했다. 그런데 똑같은 오루가 다시 나와 버렸다 ㅜㅜ . 또 어떻게 해결할 수 있...

 안녕하세요! 오늘은 Day 22입니다! 오늘 DeepLearning.AI의 TensorFlow developer certificate course 1, 2에서 배운 것을 적용해 봤다 Card image classifier model using Neural networks Course 1,2 동안 CNN에 대해 공부하고 오늘은 새로운 데이터로 적용해 보고자 했다 Kaggle를 한번 검색해 봐서 아래와 같은 카드 이미지 데이터셋을 찾게 되었다 Course에 따라 일단 ImageDataGenerator 만들었다 그 다음에 모델도 구성해 봤다 훈련과 검증 결과 보는 데 아래 코드 썼다 마지막으로 테스트 데이터로 모델을 테스트했다 결과는... 정확과 손실이 좋지 않은데 good practice이었다고 생각한다 좋은 성능 얻기 위해 여러 가지 모델을 구성했는데, 레이어 변경, 학습률, data augmentation 변수, 레이어의 filters... 그래도 검증 데이터셋으로 65% 이상 정확도 못 얻어 버렸다. 어떤 모델의 손실이 5-10 epoch 후 크게 증가한데 어떤 모델의 손실 100 epoch 후라도 50% 이상 정확도에 못 일렀다 아래에는 여러 가지 모델의 사진 찍고 업로드 드렸다 (많은 모델의 성능 안 찍었다) 모델 1 모델 2 모델 3 모델 4 모델 5 모델 6 훈련 멈췄다 모델 7 훈련 멈췄다 모델 8 모델 9 모델 10 모델 11 모델 12 모델 사진에 정보를 다 포함하지 않는데 모델 1 - base model이고 그 다음에 그냥 변수 병경했다. 훈련 시간도 꽤 걸렸다. 20epoch 1시간이나 걸리는 편이었다 내일 NLP 모델을 만들어 볼게요! 오늘은 여기까지입니다! 내일 뵐게요!

 안녕하세요! 오늘은 Day 17입니다! 오늘 카페에서 공부하려고 헤드폰을 집에 두고 가 버렸다 대신  ML-For-Beginners  다음 부분을 공부하기로 했다 4 - Classification (분류) 5 - Clustering (군집화) 초보자 위한 과정이라 새로운 것을 많이 없는데 아래 재미있는 사진으로 요약해 봤다 imblearn 라이브라리로 imbalanced 데이터를 고칠 수 있다 from imblearn.over_sampling import SMOTE 사용 후, 전 oversample = SMOTE() transformed_feature_df, transformed_label_df = oversample.fit_resample(feature_df, labels_df) 마지막으로, 오늘 어떤 음식을 먹을까란 모델로 웹사이트 만들어 봤다 재료를 선택한 후 선택한 것을 기반으로 요리 추천을 받을 것이다 그리고 군집화 모델 만들 때 좋은 시각화 코드를 받았다. 다음번에 군집화 모델 구성하면 아래 시각화 만들어야겠다 오늘 TensorFlow developer certificate 준비 시작할 수 없었는데 내일 무조건 시작하겠습니다! 오늘은 여기까지입니다! 내일 뵐게요!