전체 글330 [프로젝트] 노래 가사 분석을 통한 인기차트 Top10 예측하기 # 본 프로젝트는 '2022-1 텍스트 데이터 분석 수업' 과제로 제출한 프로젝트임을 명시합니다. ( 2022.04.14 ~ 2022.06.19 ) 주제 노래 가사 분석을 통한 인기차트 Top10 예측하기 팀원 개인 방법 1. 멜론 플랫폼을 이용하여 1990년부터 2021년까지 연도별로 인기있었던 Top30곡의 노래 가사를 크롤링 2. 노래 가사 데이터를 여러가지 방법으로 텍스트 분석 진행 3. 텍스트 분석을 진행한 결과를 바탕으로 1990 ~ 2019년까지의 가사 데이터를 Train, 2020 ~ 2021년의 가사 데이터를 Test로 분류하여 각각의 Feature data를 생성 ( 이 때 Top10안에 드는 데이터들의 label값을 1로 지정 ) 4. 생성한 Feature data를 활용하여 여러 머.. 2022. 7. 29. [LG Aimers] 자율주행과 레이더센서의 이해 - 3. Radar 제조 공정 LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 자사의 레이더 제품 소개 및 제조 공정 이해 In-Cabin 레이더 : 현대자동차 ROA(Rear Occupant Alert, 차량 내에 장착하여 후석 승객 유무를 감지)레이더 * SBR : 5명의 탑승자 위치를 정확하게 파악하는 기술 레이더 공정 Assembly 1. ICT(In-Circuit Test) : PCB의 테스트 포인트를 통해 SMT(Surfabe Mount Technology) 된 각 부품의 RLC 값을 확인하여 불량을 검출 2. F/W Down(펌웨어 다운로드) : 레이더 제품의 메모리에 펌웨어를 넣는 공정 3. D/C Test : 모듈이 제대로 동작하는지 입력 전원을 넣어 기본 기능을 확인 4. Ro.. 2022. 7. 26. [LG Aimers] 자율주행과 레이더센서의 이해 - 2. Radar 제품 이해 LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ Radar 제품 이해 Radar : Radio Detection And Ranging의 약어로 Radio Wave를 이용해 사물을 감지하는 기술 차량 Radar는 도로의 차량/보행자를 인식하여 차량과의 거리, 상대속도, 각도, 높이 등의 정보를 수집한다. 군사용 레이더 : 기존의 사격통제 장치에서는 10GB Hz의 엑스밴드 주파수를 사용하고 있었지만 점차 주파수 범위를 높고 낮게 사용하는 기술로 발전하였다. IoT 레이더 : 주로 24GB, 60GB 주파수를 사용한 보안용 침입감지, 독거노인 움직임, 심호흡 감지, 낙상감지, 재실감지 등 헬스케어용으로 사용중이다. 자동차용 레이더 : 주로 77GB ~ 79GB의 주파수.. 2022. 7. 26. [LG Aimers] 자율주행과 레이더센서의 이해 - 1. 자율주행 시장동향 LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 미래 모빌리티 메가 트렌드의 핵심 키워드 : CASE ( Connectivity, Autonomous, Shared, Electrification ) Autonomous Driving : 운전자 개입 없이 스스로 안전하게 주행이 가능한 자율주행 고도화 Connectivity : 고도화된 연결형 자율주행을 통한 탑승자의 안전 및 교통관리 효과성 극대화 Electrification : 높은 에너지 효율성 기반 1회 충전으로 최대 주행거리 확보 Level 3 : 조건부 자율 주행, 차량과 인터넷 모바일 연결성 강화를 위한 5G 채용, infotainment 관련 Usecase확대 Level 4 : 고도 자율 주행 Level.. 2022. 7. 26. [LG Aimers] 인과추론 - 3. Modern Identification LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ Modern Identification - 지금까지는 인과효과를 얻기 위해 하나의 domain만을 생각하였다. ( 주어진 도메인 - 관측 데이터 - 인과 효과 ) - 여러 종류의 데이터를 한번에 활용해 인과 효과를 계산하면 더 좋지 않을까? SES ( Socioeconomic Status ) : 사회 경제적인 사람들의 상태에 따라서 데이터가 수집될 수 있다. - 데이터는 다양한 특성을 가지고 있고 결국 인과 추론을 하는 데 있어서 이러한 특성들을 고려하지 않는다면 편향이 있는 값이 계산될 수 있다. X : Cholesterol Level Y : Heart Attack Z : Diet X값인 Cholesterol lev.. 2022. 7. 26. [LG Aimers] 인과추론 - 2. Causal Effect Identification LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 인과 효과 (Causal Effect) 계산하는 방법 Causal Effect Identifiability 1. Query 2. Causal Diagram 3. Data Z변수 : X와 Y에 서로 영향을 미치는 교란 변수 W변수 : X와 Y 중간에 있는 변수 이렇게 X, Y, Z, W 변수가 있는 world에서 Z가 X 변수에 미치는 영향이 사라지게 된다면 기존 $P(v) = P(z) * P(x|z) * P(w|x) * P(y|w,z)$ 에서 x에 대한 z의 조건부 확률이 1이되어 $P(v) = P(z) * P(w|x) * P(y|w,z)$ 형태로 나타나게 된다. - 결합확률을 식으로 decompose한 뒤 x가 나오.. 2022. 7. 25. [X:AI] EfficientNet 논문 이해하기 『 EfficientNet : Rethinking Model Scaling for Convolutional Neural Networks. 2019. 』 0. Abstract - Convolution Neural Network에서는 일반적으로 더 많은 자원을 사용할 수 있을 때, 더 좋은 정확도를 위해 스케일을 키운다. - 본 연구에서는 주로 Network의 깊이(Depth), 폭(Width), 해상도(Resolution)가 균형을 이룰 때 더 좋은 성능을 보인다는 것을 알아냈고, 따라서 이 3가지에 대한 관찰을 바탕으로 본 논문은 단순하지만 효과적으로 depth, width, resolution의 모든 차원을 균일하게 scaling하는 새로운 방법을 제안한다. - Neural architecture 검색.. 2022. 7. 25. [LG Aimers] 인과추론 - 1. Causality LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 인과추론 : 인과성의 의미, 인과 추론을 위한 기본적 개념 인과성이란? (Causality) : 하나의 어떤 무언가가 다른 무엇을 생성함에 있어 영향을 미치는 것 인과성과 인공지능, 기계학습, 데이터사이언스와의 연결고리 : - 인공지능은 어떤 에이전트가 목표를 성취하기 위해 합리적인 액션을 취할지를 학습한다. 이 때 환경에 변화를 줘서 원하는 상태로 변화시키는 인과관계로의 해석이 가능하다. - 기계학습에서는 데이터의 상관성을 학습하며 이 결과를 커뮤니케이션 하는 과정에서 상관성과 인과성을 모두 복합적으로 고려한다. 인과 계층 1. 가장 기본적인 관측 계층 ( 변수들의 상관성 파악 ) 2. 실험 계층 ( 주어져 있는 실.. 2022. 7. 25. [LG Aimers] 설명가능한 AI - 3. Explainable AI(XAI) - 3 LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ XAI 평가 방법 ( Metrics ) 1. Human-based visual assessment (사람들이 직접 XAI방법들이 만들어낸 설명을 보고 평가 ) - AMT(Amazon Mechanical Turk) Test 단점 : 쉽게 알 수 있지만 시간이 오래 걸림 2. Human annotation ( 사람들이 이미 만들어놓은 데이터를 이용 ) - Pointing game : Bounding box를 이용해서 평가하는 방법 - Weakly supervised semantic segmentation : 어떤 이미지에 대해 Classification label만 주어져 있을 때 이를 활용하여 픽셀별로 객체의 label.. 2022. 7. 24. [LG Aimers] 설명가능한 AI - 2. Explainable AI(XAI) - 2 LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 다양한 XAI 기법 Saliency map 기반 방법 1. CAM ( Class Activation Map ) - Saliency map 기반의 설명 가능 방법 - GAP(Global Average Pooling) layer를 만들어 설명을 제공, GAP layer는 각 Activation map의 모든 Activation들을 평균낸다. - 어떤 Activation map에 activation이 크게 된다는 것은 map이 주어진 입력과 관련이 많다는 뜻이고, 이를 결합하는 w가 크다는 것도 최종 분류에 큰 영향을 주는 Activation이라는 뜻이므로 그것을 결합하면 입력에 대한 예측을 잘 설명하는 방식이 된다. - .. 2022. 7. 23. [LG Aimers] 설명가능한 AI - 1. Explainable AI(XAI) - 1 LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 설명가능한 AI ( Explainable AI, XAI ) - 모델들이 어떻게 동작하는지 모름( 블랙박스 ), 이 때 예측 결과가 사람에게 직접 영향을 미칠 때 문제가 된다. ex. 자율주행, 의학 진단 등.. - 최근 대두되고 있는 AI 모델의 편향성 문제 ( 특정 인종, 성별에 편향된 결과 ) - 이 편향성의 이유를 찾아 해결해야 현실에 적용시킬 수 있다는 것! ex. 말 사진 오인식, COMPAS crime prediction - 자율주행의 경우 사고의 책임을 찾기 위해 설명할 수 있어야 한다. - 왜 알고리즘이 그런 예측 결과를 냈는지 설명할 수 있어야 신뢰가 가능하다! * XAI : 사람이 모델을 쓸 때 그 .. 2022. 7. 23. [LG Aimers] 비지도학습 - 3. Unsupervised Representation Learning LG Aimers 학습 내용 정리 출처 : https://www.lgaimers.ai/ 비지도학습 ( Unsupervised Representation Learning ) - Pretext Learning : 잘 정리된 Representation, 유용한 정보를 만들기 위한 학습 Task - Self-Supervised Learning : 본래 Unsupervised 였던 문제가 Script 하나로 Supervised 문제로 변하는 기법 - Mutual Information의 컨셉 : 어떻게 하면 여기있는 이 Variable과 저 Variable 사이에 공유하는 정보의 양이 얼마큼인지를 숫자로 계산할 수 있을까? - CPC ( Contrastive Predictive Coding ) https://kae.. 2022. 7. 22. 이전 1 ··· 17 18 19 20 21 22 23 ··· 28 다음
