728x90 반응형 📂 프로젝트13 국내 주식 종가 예측 웹 페이지 PredKoStocks | 1. 기획 어쩌다 주식 종가 예측을 하게 됐는가? 다음 과제까지 시간적 여유가 생겨 뭔가 하나 해봐야겠다는 생각이 문득 들었다. 프론트와 백을 할 줄 아는 토니가 먼저 나한테 주식 예측 가능하냐고 묻길래 이 때다 싶어 미니 프로젝트를 해보자고 했다. 인생의 모토가 `못 먹어도 고`인 토니에게 1초만에 OK 사인을 받았고, 간단하게 만들고 싶은 구조를 설명했다. (킹림판에 그려서 보여줬다.) 2명의 팀원이 각자 맡은 업무 토니는 8년차 백엔드 개발자인데, 프론트도 조금 할 줄 안다길래 냅다 만들어달라고 했다. Vue와 Html 중 고민이 되는 듯 보이지만 이번 주 내로 틈틈이 만들어서 보여주기로 했다. 여기는 토니에게 맡겨두고 나대로 준비를 시작했다. 우선 나는 주식을 꽤나 즐겨하지만, 특정 종목을 구매하기까지는 꽤.. 2024. 4. 16. [데이콘/DACON] 상추의 생육 환경 생성 AI 경진대회 (낯선 데이터 다루기, 데이터 전처리, 시계열 데이터 처리, EDA, GAN) [배경] 4차 산업혁명 시대를 맞아 농업 분야에서도 인공지능(AI) 기술이 널리 사용되어 IT 기술을 동원한 스마트팜 등 보다 효율적인 작물 재배가 가능해지고 있습니다. KIST 강릉 분원은 인공지능을 활용하여 국내에서 생장하는 식물 자원 중 유용한 소재를 탐색하고, 그 효능과 활용법에 대해 연구하고 있습니다. 이번 경진대회를 통해 작물의 수확량을 최고로 끌어올릴 수 있는 시간대별 최적 환경을 알아낼 수 있다면, 식물 재배와 관련한 제반 산업에 큰 도움이 될 것입니다. [주제] 생육 환경 생성 AI 모델 결과를 바탕으로 상추의 일별 최대 잎 중량을 도출할 수 있는 최적의 생육 환경 조성 [설명] 이번 경진대회에서는 예측 모델과 생성 모델 2가지 모두 개발해야 합니다. 상추의 일별 잎중량을 예측하는 AI .. 2023. 2. 8. [데이콘/DACON] 유전체 정보 품종 분류 AI 경진대회 (낯선 데이터 다루기, 데이터 전처리, EDA, StratifiedShuffleSplit, Optuna, Soft Voting) [배경] 유전체 염기서열에서 획득한 유전체 변이 정보인 Single Nucleotide Polymorphism 정보는 특정 개체 및 특정 품종에 따라 다른 변이 양상을 나타낼 수 있기 때문에 동일개체를 확인하거나, 동일 품종을 구분하는데 활용이 가능합니다. 따라서 이번 경진대회에서는 개체 정보와 SNP 정보를 이용하여 A, B, C 품종을 분류하는 최고의 품종구분 정확도를 획득하는 것이 목표입니다. 농축수산 현장에서는 유전체 변이정보를 이용해서 품종을 구분하는 연구를 통해 품종의 다양성 혹은 품종 부정유통을 방지하기 위해 많이 활용하게 됩니다. [주제] 개체와 SNP 정보를 이용하여 품종 분류 AI 모델 개발 [설명] 시장에서 세 품종이 동시에 유통될 때, 각 품종의 고유한 생산품목(우유 및 식육)의 가.. 2023. 2. 8. [ResNet] 논문 리뷰 및 구현 (코드 설명 포함) ResNet Description ResNet의 특징: ResNet Architecture: ResNet - Residual Block Plain network: VGGNet based Convolution layer: 3x3, stried = 2 Global Average Pooling applied FC layer(1000), softmax Residual network: Plain Network based shortcut connection 이 추가 차원이 같을 때 : 직접 값을 전달해 준다 차원이 증가할 때 : zero padding으로 차원을 맞춰준다 1x1 Conv layer로 차원을 맞춰준다(VGG or GoogleNet) stride = 2 ResNet Projection(Bottlenec.. 2023. 2. 8. [GoogleNet] 논문 리뷰 및 구현 (코드 설명 포함) GoogleNet Description GoogleNet의 특징: GoogleNet Architecture: GoogLeNet은 네트워크의 depth와 width를 늘리면서도 내부적으로 Inception Module을 활용해 computational efficiency를 확보함 이전에 나온 VGGNet이 깊은 네트워크로 AlexNet보다 높은 성능을 얻었지만, 파라미터 측면에서 효율적이지 못하다는점을 보완하기 위해 만듬 Things to discuss about issues: 네트워크의 성능을 올리는 가장 직접적인 방법은 depth, width같은 size를 증대 할 수 있다 모델의 층이 깊어질수록 성능은 향상 됨 하지만 계산해야 할 연산량이 늘어나 overfitting할 가능성이 증가 RAM을 너무나 .. 2023. 2. 8. [AlexNet] 논문 리뷰 및 구현 (코드 설명 포함) AlexNet Description: AlexNet 특징: AlexNet Architecture Convolutional layers = 5 Fully Connected layers = 3 GPU를 2개의 병렬 구조로 처음 활용 Activation Function : ReLU 함수를 모든 convolution layer와 fully-connected에 적용 (tanh함수 보다 더 낮은 error 보여줌) Max-Pooling Layer : 이전에는 Average Pooling 적용 kernel size = 3x3 stride = 2 number of Max-Pooling layer = 3 Dropout: over-fitting 방지 1, 2 번째 fully-connected layer에 적용 dropou.. 2023. 2. 8. 이전 1 2 3 다음 728x90 반응형
