-
나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했는가?
- 최대한 많은 수의 실험제출을 하기 위해 노력하였고, 하고 싶었던 모든 것들을 다 올려서 확인해 보았다.
- 체계적인 실험을 하기 위해서 Validation Set을 만드는 법에 대해 고민하며 공부하고 실험하였다.
-
전과 비교해서, 내가 새롭게 시도한 변화는 무엇이고, 어떤 효과가 있었는가?
- 지난 번 ML 경진대회 때는 이론과 강의를 먼저 수강하고 baseline 코드 학습을 시작했지만, 이번에는 대회 관련 강의를 먼저 듣고 코드 학습을 바로 시작했다. 할 수 있는 모든 리더보드 제출을 해 보았다.
- 빠르게 대회에 적응하고 점수 향상을 위해 가설수립, 실험, 채택의 과정을 겪을 수 있어서 조바심 없이 대회에 임할 수 있었다.
-
마주한 한계는 무엇이며, 아쉬웠던 점은 무엇인가?
- 급하게 실험하고 리더보드에 점수 제출하는 데에만 치중하다보니, 막상 배워야 할 이론과 기본기들을 적용하지 못해서 아쉬웠다.
- 대회적응과 기본개념 숙지를 잘 조화하면 좋을 것 같다.
-
한계/교훈을 바탕으로 다음 경진대회에서 시도해보고 싶은 점은 무엇인가?
- 초기 검증셋과 평가셋의 차이를 확인하기 위해 리더보드에 최대한 많은 제출을 시도한다
- 주먹구구식이 아닌 체계적이고 과학적인 실험을 진행하기 위하여, 검증셋을 평가셋과 동일하게 해 놓고, Epoch별 훈련, 검증셋의 정확도 추이를 그래프로 확인한다.
- 검증셋에서 점수가 낮은 부분을 분석을 통해서 재학습 방안을 적용한다.
-
나는 어떤 방식으로 모델을 개선했는가?
-
프로젝트 초기 다들 많은 진전이 없을 때 다량의 리더보드 제출로 대회에 대한 감을 익히려 노력하였다.

-
어떤 요인이 긍정적인 효과를 만들어내는지 원리를 알아내고자 노력하였다. A / B 테스트를 통하여 소통 없이 실험으로 답을 알아내는 법을 터특하였다.

-
모델학습의 핵심이 되는 데이터 버저닝에 대한 체험을 할 수 있었다.(Garbage-in Garbage-out)
