부스트캠프 AI Tech 7기 학습 정리

새로운 프로젝트 시작에 앞서, 프로젝트를 시작할 때마다 고민하는 '어디서부터 시작해야하는가'에 대한 문제를 해결하기 위해, 모델 학습을 진행하는 파이프라인(Pipeline)에 대해 정리해보고자 한다.전반적인 과정은 위와 같이 진행된다.먼저 프로젝트에 사용할 데이터를 확

AI 부스트캠프 7기 과정 중 두번째 프로젝트를 진행하는 과정에서 모델링 관련하여 고민했던 내용을 정리해보고자 한다.이번 수도권 아파트 전세가 예측 프로젝트를 진행하면서, 데이터 샘플의 위도, 경도에 대한 공간적인 관계에 대해 종속변수인 전세가에 대한 공간적 자기 상관

옛날과 다르게 유저가 상호작용할 수 있는 아이템의 수가 기하급수적으로 늘어나면서, 극소수의 인기있는 아이템에 소비가 집중되는 Long-tail Phenomenon이 발생하고 있다.이러한 소비 추세에서 Long-tail에 해당되는 아이템에 대해 사용자가 원하는 아이템을

CTR(클릭률)을 예측 및 극대화하기 위해 사용자의 행동 패턴에 숨겨져 있는 복잡한 피처 간의 상호작용을 파악하는 것이 중요하다. 하지만 기존 모델은 고차원 또는 저차원의 상호작용을 파악하는 것에 치우쳐 있거나 복잡한 피처 엔지니어링을 필요로 한다.DeepFM 모델은

GANs (Generative Adversarial Networks) GAN은 판별자(Discriminator)와 생성자(Generator)로 구분되는 구조를 가진다. 판별자와 생성자는 서로 적대적인 관계로, 훈련 과정에서 판별자는 생성자가 생성해낸 이미지가 진짜인

AE (Autoencoder) VAE (Variational Autoencoder) VQ-VAE (Vector Quantized-Variational Autoencoder)