이벤트는 성공적이었습니다. 다만 예상보다 참여자가 너무 많았어요. 이 프로젝트가 끝나고 배운 것을 하나만 꼽자면 ‘모든 상황을 전부 알고 대처할 수는 없겠지만, 프로젝트를 진행하면서 있을 파급력과 이슈들에 대해 더 깊이 고민해야 한다’입니다.
Read More[머신러닝 경진대회] 향후 판매량 예측 ❸ – 성능 개선
과거 판매 데이터를 기반으로 향후 판매량을 예측하는 경진대회를 공략합니다. 탐색적 데이터 분석은 간단하게만 다룹니다. 대신 많은 시간을 피처 엔지니어링에 할애해서 성능 향상을 위한 파생 피처를 만들어봅니다. 이 과정에서 다양한 피처 엔지니어링 기법을 배울 수 있습니다.
Read More[환경 설치] Must Have 《텐초의 파이토치 딥러닝 특강》
[환경 설치] Must Have 《데싸노트의 실전에서 통하는 머신러닝》
[캐글 첫걸음] Must Have 《머신러닝·딥러닝 문제해결 전략》(세종도서 선정작)
[요즘 우아한 개발] 가정의 달 이벤트가 쏘아올린 배민 선물하기 대란
이벤트는 성공적이었습니다. 다만 예상보다 참여자가 너무 많았어요. 이 프로젝트가 끝나고 배운 것을 하나만 꼽자면 ‘모든 상황을 전부 알고 대처할 수는 없겠지만, 프로젝트를 진행하면서 있을 파급력과 이슈들에 대해 더 깊이 고민해야 한다’입니다.
Read More[머신러닝 경진대회] 향후 판매량 예측 ❷ – 베이스라인 모델
과거 판매 데이터를 기반으로 향후 판매량을 예측하는 경진대회를 공략합니다. 탐색적 데이터 분석은 간단하게만 다룹니다. 대신 많은 시간을 피처 엔지니어링에 할애해서 성능 향상을 위한 파생 피처를 만들어봅니다. 이 과정에서 다양한 피처 엔지니어링 기법을 배울 수 있습니다.
Read More[머신러닝 경진대회] 향후 판매량 예측 ❶ – 경진대회 이해와 탐색적 데이터 분석
과거 판매 데이터를 기반으로 향후 판매량을 예측하는 경진대회를 공략합니다. 탐색적 데이터 분석은 간단하게만 다룹니다. 대신 많은 시간을 피처 엔지니어링에 할애해서 성능 향상을 위한 파생 피처를 만들어봅니다. 이 과정에서 다양한 피처 엔지니어링 기법을 배울 수 있습니다.
Read More다시 살펴보는 머신러닝 주요 개념 4편 – 하이퍼파라미터 최적화
경진대회를 푸는 데 필요한 주요 머신러닝 개념들을 요약·정리했습니다. 문제를 풀다가 언뜻 떠오르지 않는 개념이 있을 때 참고해주세요. 총 4편으로 준비했습니다.
Read More다시 살펴보는 머신러닝 주요 개념 3편 – 주요 머신러닝 모델
경진대회를 푸는 데 필요한 주요 머신러닝 개념들을 요약·정리했습니다. 문제를 풀다가 언뜻 떠오르지 않는 개념이 있을 때 참고해주세요. 총 4편으로 준비했습니다.
Read More