AI Competition
1.[AI Competition Tutorial] AI competition 가이드라인
'목적, 이유, 대상, 산출물, 문제점, 배경, 도메인, 의미' 파악을 통한 방향성 설정이 중요하다.과제: 반드시 대회 전에 Problem Definition 하기내가 지금 풀어야 하는 문제가 무엇인가?이 문제의 Input과 Output은 무엇인가?이 솔루션은 어디서
2.[AI Competition Tutorial] Image Classification & EDA
Exploratory Data Analysis = 탐색적 데이터 분석데이터를 이해하기 위한 노력진짜로 여러분이 궁금한 건 뭔가요?실제로 어떻게 생겨 먹었나?주제와 연관성?궁금한 것?알고 싶은 것?주어진 데이터 타입의 특성?메타데이터의 분포?Checking 방법일일이 손
3.[AI Competition Tutorial] Data Generation
Data Generation Overview Data feeding torch.utils.data 복습 : Python Class DataLoader 간단한 실험: num_workers Dataset과 DataLoader는 분리되는 것이 좋다.
4.[AI Competition Tutorial] Model
Model Overview 이제, 데이터셋으로 원하는 출력을 만들어 줄 모델을 구성해보자. Model 
Computer Vision의 발전으로 현재 상당히 많은 일을 자동화 할 수 있다.ImageNet검증을 위한 높은 품질의 많은 양의 데이터셋ImageNet 이후로 꾸준히 vision 분야가 발전됨획기적인 알고리즘과 검증을 위한 높은 품질의 많은 양의 데이터셋은 필수적이
6.[AI Competition Tutorial] Training & Inference
본격적으로 모델 학습을 진행해보자 학습 프로세스에 필요한 요소는 크게 세 가지이다.Error Backpropagationnn 패키지에서 찾을 수 있다.loss.backward()이 함수가 실행되면 모델의 파라미터의 grad값이 업데이트 된다. (requires_grad
7.[AI Competition Tutorial] Datasets
Datasets Datasets Overview Dataset 준비 : 주어진 vanilla data를 모델이 좋아하는 형태의 Dataset으로 바꾸기
Ensemble Overview 여러 실험을 하다 보면 여러가지 모델로 여러 결과를 만들었을 것 이 모델을 합쳐서 더 좋은 결과를 내고자 하는 것이 ensemble Ensemble 여러 다른 결과를 내는 모델을 합쳐서 사용하는 방법 사실 모델을 합치면 무거울 수 있기
9.[AI Competition Tutorial]Experiment Toolkits & Tips
학습 과정을 기록하고 트래킹하는 것도 중요하다.사용법딥러닝 로그의 깃허브 같은 느낌wnadb loginwandb init, log 설정페이지에서 로그 확인코드를 아주 빠르게 cell 단위로 실행해볼 수 있는 것이 장점보통 EDA를 할 때 사용하면 매우 편리단점 : 학습
10.[AI Competition Tutorial] Further Reading
Mission Jupyter Notebook 탈출 10강에서 중간에 간단히 소개드렸던 내용입니다. 그리고, 이미지 분류 멘토님께서 오피스아워에서 관련 내용에 대해 소개를 이미 드렸을 텐데요. 바로 Python IDLE 형식으로 프로젝트을 구성하는 것입니다. Jup