Archive: 2021

0

opencv_CPP_base

OpenCV C++ 기본 셋팅 이미지123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949

0

opencv_base

OpenCV 기본 셋팅 작성 이미지 12345678910import cv2# 이미지 불러오기 (상대경로)# "C:\\Users\\hkit\\PycharmProjects\\OpenCvProj\\balloon.jpg"# "C:/Users/hkit/PycharmProjects/OpenCvProj/balloon.jpg"img_

0

wandb

wandb 설치 가상환경 만들기 1conda create -n your_name 가상환경 설정12conda activate your_nameactivate your_name 1pip install wandb 1wandb login 자세한 내용 출처 : https://dschloe.github.io/mlops/wandb/install/

0

Bubble_sort

버블 정렬 무작위의 정수값을 배열에 넣은 후 오름차순 정렬 1234567891011121314151617181920212223242526272829303132333435363738394041package test1;import java.util.Scanner;import java.util.List;import java.util.ArrayList;impor

0

Team_Project_No.3

Team Project 3신용카드 사용자 연체 예측 AI 경진대회 언어 및 작업툴: Python 인원: 3명 기간: 2021.04.05 - 2021.05.24 내용 신용카드 사용자 데이터를 보고 사용자의 대금 연체 정도를 예측하는 알고리즘 개발 기여: xgboost 등 기법을 사용하여 정형 데이터 가공 결과: 714팀 중 404등 최종점수 - 0.707

0

[Deep Learning] YOLO, YOLOv2 and YOLOv3 비교

references https://amrokamal-47691.medium.com/yolo-yolov2-and-yolov3-all-you-want-to-know-7e3e92dc4899 YOLO, YOLOv2 and YOLOv3 Object Detection : Deep Learning의 Computer vision 분야에서 가장 주목받는 주제 중 하나

0

loss

손실함수(loss)모델을 훈련시킬때 이 손실 함수를 최소로 만들어주는 가중치들을 찾는 것을 목표 MSE(mean squared error) MAE(mean absolute error) hinge categorical crossentropy sparse categorical crossentropy binary crossentropy 훈련시키는 모델에 적합

0

Team_Project_No.2

Team_project 22. 한국 부동산 데이터 시각화 경진대회 언어 및 작업툴: Python, Tableau 인원: 3명 기간: 2021.04.21 - 2021.05.26 내용한국의 부동산 데이터와 사용자가 직접 수집한 외부 데이터를 활용하여 부동산 가격 변화 및 사회와의 관련성을 분석 기여: 준공실적, 분양실적 이중축 라인, 막대 그래프 시각화 결과

0

Team_Project_No.1

Team_project 11. Tabular Playground Series - Apr 2021 언어 및 작업툴: Python 인원: 3명 기간: 2021.04.19 - 2021.05.01 내용가공된 타이타닉 생존자 데이터를 사용하여 해당 데이터에 맞는 생존자 예측하기 기여: pycaret모델 만들기 및 파라미터 모델튜닝 결과: 1,244팀중 348등(T

0

Bayesian Optimization

베이지안 최적화 불필요한 하이퍼 파라미터 반복 탐색을 줄여 빠르게 최적의 하이퍼 파라미터를 찾을 수 있는 방법 하이퍼 파라미터를 선택하는 문제에 대하여 정형화된 방법을 찾지 못해, 경험에 의해서 선택해야 함 사용하는 이유 그리드 서치 or 랜덤 서치는 도출된 하이퍼 파라미터 값을 일일이 모델에 적용한 뒤 성능 비교를 해야 하는 부분이 존재하지만 베이지안