[KT DX] 에이블스쿨 Week 5 to Week 8

🙋‍♂️ 5주차

👉  박두진 강사님 - 데이터 수집

공공 API사용법을 배우고 난 뒤, 쉽게 말하면 웹 크롤링을 배웠습니다.

웹 페이지 유형에 따라 동적페이지와 정적 페이지로 나누어서 차근차근 하나씩 실습을 통해 수업을 따라갔습니다.

동적페이지에서는 Selenium과 BeautifulSoup를 통해 공부했고, 

정적페이지는 Parsing Package로 BeautifulSoup으로 실습을 했습니다.

그 전에도, 웹 크롤링의 경험이 있었기 때문에 크게 어려움이 없던 강의 였습니다.

 

 

👉  코칭팀의 강사님들 - 미니 프로젝트 2차

수요일이 3.1절 공휴일이라 정말 잘 쉬었습니다. 하지만, 프로젝트는 언제나 찾아 오는법...

이번 프로젝트는 서울특별시의 대중교통인 버스와 지하철의 시설 추가가 필요한 지역을 선정하는 것을 목표로 두고 데이터의 전처리를 하는 것이였습니다.

 

즉, 팀원들과 여러가지 가설을 세워 데이터에서 의미를 도출해 검증을 하는 프로젝트!!

여기서부터는 직접 내가 데이터의 KEY를 신청하여 데이터를 전처리를 해보는데 엄청난 뿌듯함과 희열을 느꼈습니다.

항상 제공만 받아서 그런지, 다른 데이터들도 관심이 생겨 여러가지 다른 데이터들과도 접목해볼까라는 생각도 했습니다.

 

미니프로젝트는 주어진 PPT의 가이드를 다 맞췄지만, 도메인 지식이라는 것이 정말 중요하구나 라는 것을 알 수 있는 계기가 되었습니다. 프로젝트의 목표도 그렇지만, 데이터 자체를 이해하는데 오랜시간이 걸렸고, 유의미한 가설을 세우는 것 조차 신중해야 했습니다.

 

하지만, 여러가지 데이터 분석을 통해 시각화하여 고객을 설득하는 컨설턴트의 직무가 조금 더 와닿았던 프로젝트였습니다.

---

🙋‍♂️ 6주차

👉  이장래 강사님 - 머신 러닝

갓장래님을 다시 영접하며, 머신러닝에 드디어 발을 들여 놓았습니다.

 

• 지도 학습 : 학습 대상이 되는 데이터에 정답을 주어 패턴을 익히는 방법
• 비지도 학습 : 정답이 없는 데이터 만으로 배우게 하는 방법
• 강화 학습 : 선택된 결과에 따라 보상을 얻어 행동을 꾸준히 개선하며 배우는 방법

이 강의에서는 지도학습만을 배웠고, 주로 회귀와 분류문제의 유형을 실습하며 공부했습니다.

 

	회귀	분류
알고리즘	- LinearRegression - KNeighborsRegressor - DecisionTreeRegressor - SVR - RandomForestRegressor - XGBRegressor	- LogisticRegression - KNeighborsClassifier - DecisionTreeClassifier - SVC - RandomForestClassifier - XGBClassifier
평가 방법	- mean_absolute_error - mean_squared_error - root mean_squared_error - mean_absolute_percentage_error - r2_score	- accuracy_score - recall_score - precision_score - classification_report - confusion_matrix

 

다시한번, 위의 표로 정리를 하니 차이점과 개념들이 다시 정리되는 것 같네요.

---

🙋‍♂️ 7주차

👉  이장래 강사님 - 머신 러닝

이 외에도 교차검증, 하이퍼파라미터의 튜닝 그리고 앙상블(Ensemble) 기법까지 여러가지를 실습을 통해 배웠습니다.

또한, 앙상블 알고리즘인 보팅, 배깅 그리고 스태킹을 배우면서 파라미터의 종류들을 더 자세히 알 수 있었고, 곧 시작될 미니 프로젝트 전에 사이킷런을 계속 뒤적거리며 복습을 할 수 있었습니다.

 

👉  최용배 강사님 - 미니 프로젝트 3차

"AI 분류 Case 미션 해결을 통해 데이터 분석 역량과 모델링 역량을 향상 시키고 실무 해결에 대한 경험을 쌓는다"

라는 프로젝트 의미를 두고, 3차 미프가 시작되었습니다.

 

메인 목표는 스마트워치의 데이터로 특정 행동패턴을 분류할 수 있는 AI모델을 만들어, 중요한 영향을 끼치는 feature를 선별하는 것이었습니다.

 

하지만, 이 기간중 하루를 저는 예비군을 다녀오는 바람에..... 1일차를 빼먹었습니다. 동원훈련 끝난게 얼마나 다행인지...

 

그럼에도 팀원들의 배려와 관심으로...흑 데이터셋도 받고 답안을 받아 예비군을 다녀와 밤새 혼자 실습을 해서 겨우 따라갈 수 있었습니다.

 

그리고 대망의 첫 대면 미니 프로젝트이기도 했습니다. 항상 온라인으로만 하다가 교육장을 방문하니 매우 들떠있었습니다. 그래서인지 매니저님이 사진 찍으러왔을떄 이상한 포즈도 취해버렸네요..

 

그렇게 저희 팀은 AI모델링을 한 후 많은 튜닝을 시도하였습니다. 그렇게 얻은 결과를 성공적으로 파인-애플 S대리님께 결과를 보낼 수 있었습니다!!

---

🙋‍♂️ 8주차

👉  한기영 강사님 - 딥러닝

의외로 할만 하다는 느낌을 받으며 머신러닝을 끝내고 나니 딥러닝을 마주치게 되었습니다. 하지만 갓기영 강사님이기 때문에 시작부터 신나있었습니다. 

 

딥러닝 또한 머신러닝과 같이 회귀와 분류로 나뉘었고, 결국에는 오차가 적은 모델을 만드는 과정을 진행 하는 것이였습니다. 머신러닝과의 중요한 차이점이라면, 데이터의 전처리 단계에서 하는 스케일링 여부 입니다. 딥러닝은 필수로 꼭 스케일링을 한 후, 모델을 선언해야 합니다.

 

 

👉  김건영 강사님 - 시각지능 딥러닝

CNN을 진행하기 전, 딥러닝을 한번 쭈욱 복습을 해 주셔서 정말 다행인 시간이었습니다. 

CNN은 Convolutional Neural Network의 약어로 합성곱 신경망이라고도 합니다. 용어가 처음에는 의학용어 같았습니다...

 

위에서 배운 딥러닝의 Max-pooling과 Conv2D등의 레이어들이 추가되어 진행이 되었습니다. 확실히 머신러닝이든 딥러닝이든 딥하게 들어가니 어렵습니다!

 

여기서 또 한번, 머신러닝 때 배운 회귀와 분류의 기본기를 다졌던 것이 매우 큰 도움이 되었습니다.

---

항상 느끼는 것이지만, 지금의 나는 더 이상 잃을게 없다. 책 펴고 자격증 공부도 열심히 해보자!!