routine 1 : 2024.07.22~2024.08.31

[lky473736]

2024.07.22. ~ 2024.08.31. 동안 아래와 같이 학습하여 AI를 체화시키자.

• 일주일에 3개 이상씩 UCI dataset 혹은 plotly에 있는 데이터를 하나 선정하여 classification or regression을 연습할 것

  • 최소 100개의 records가 포함된 dataset
  • 모델은 최소 3개 이상

• AI study에 적극적으로 참여

  • 매주 세미나 내용을 정리 후 이해된 내용을 write
  • 자료 잘 숙지하여 ipynb로 정리 및 코드로 classification
  • https://wikidocs.net/book/2788 참고하여 pytorch ML 입문 부분 학습

• <혼자 공부하는 머신러닝과 딥러닝> 책 3회독 후 앤드류 응 머신러닝 강좌 학습하기 (2학기 계획, https://www.coursera.org/specializations/machine-learning-introduction?&utm_source=gg&utm_medium=sem&utm_campaign=b2c_apac_machine-learning-introduction_stanford-deeplearning.ai_ftcof_specializations_arte_mar-24_dr_geo-set-1-multi_pmax_gads_lg-all&utm_content=b2c&campaignid=21113902254&adgroupid=&device=c&keyword=&matchtype=&network=x&devicemodel=&adpostion=&creativeid=&hide_mobile_promo&gad_source=1&gclid=CjwKCAjwhvi0BhA4EiwAX25uj9sHoC9TY8_VdKnCyIWGBO36wPHSc0NyuMUZxff_VxXY6ncvEj_dZBoCxfgQAvD_BwE)

[lky473736]

• 2024.07.26.
  • 자료 읽기
    • linear regression with stochastic gradient regression : https://towardsdatascience.com/step-by-step-tutorial-on-linear-regression-with-stochastic-gradient-descent-1d35b088a843?gi=c14b6ca02405
    • 머신 러닝 핵심 알고리즘 (pdf) : KNN, SVM, decision tree

[lky473736]

• 2024.07.27.
  • 자료 읽기
    • support vector machine : https://m.blog.naver.com/winddori2002/221662413641
    • decision tree : https://lucy-the-marketer.kr/ko/growth/decision-tree-and-impurity/
  • 머신러닝 이해 안되는 부분 다시 학습
    • 앙상블 학습 (ramdom forest) <-- 내일 진행으로 변경
  • 유리 데이터를 이용한 classification, regression을 진행
    • data : https://archive.ics.uci.edu/dataset/42/glass+identification
    • 혼공머신 머신러닝 챕터 복습 겸, 이번 주말엔 2개의 dataset을 이용하여 책에 나와있는 순서 그대로 학습을 진행해본다.
    • 순서는 (내 기억 상) 아래와 같을 것, 밤을 새야할 것 같으니 흥미진진하다.
      • KNN
      • KNR, linear regression, polynormial regression
      • ridge, lasso
      • logistic regression
      • SGD (stochastic gradient descent)
      • decision tree
      • grid search, random search
      • random forest
      • 아래는 비지도 학습, 다른 부분처럼 자세히 다루지는 않고, 그냥 API를 사용하는 정도로 연습
        • K-means
        • PCA

[lky473736]

• 2024.07.28.
  • 자료 읽기
    • logistic regression
      • https://ratsgo.github.io/machine%20learning/2017/04/02/logistic/
      • https://m.blog.naver.com/winddori2002/221706766540
    • random forest : https://velog.io/@dlskawns/Machine-Learning-Random-Forest-정리-구성원리-파악-및-모델-작성
  • 머신러닝 이해 안되는 부분 다시 학습
    • 앙상블 학습 (ramdom forest)
  • 유리 데이터를 이용한 classification, regression을 진행
    • 새벽에 EDA, KNN, SVM, logistic regression, decision tree까지 하기
    • 자료를 읽고, random forest, K-means 및 나머지 regression 진행
      • regression 진행 시 feature selection한 feature만 가지고 진행하기
      • score 안좋으면 poly

[lky473736]

• 2024.07.29.

  • 자료 읽기

    • PCA
      • https://ddongwon.tistory.com/114
    • 딥러닝의 원리, 종류별 원리
      • https://www.ibm.com/kr-ko/topics/deep-learning - 혼공머신 딥러닝편 340p~391p 및 정리 - 일전에 했었던 report들에 DL 코드 추가하기 (1) - raisin classification, regression에 keras로 진행한 코드 추가 및 기존 ML과 성능 비교 - ADsP - 2시간 특강 1회독 : https://www.youtube.com/watch?v=6h6Dsh6IMgA <--내일 진행

  • 혼공머신 머신러닝 ensemble, PCA 정리 후 코드 실습

  • <수학> 연습문제, 기본문제 체크

[lky473736]

• 2024.07.30

  • 자료 읽기

  • 빅데이터분석개론(2-여름) 딥러닝 파트 자료 (입문 수준)

    • https://jiwoncho20213135python.tistory.com/15
    • ppt

  • (어제 못한 거) 혼공머신 딥러닝편 340p~420p 공부 및 정리

  • 일전에 했었던 report들에 DL 코드 추가하기 (1)

    • raisin classification에 keras로 진행한 코드 추가 및 기존 ML과 성능 비교

[lky473736]

• 2024.07.31.
  • 혼공머신 딥러닝편 422p~463p
  • raisin classification에 CNN 추가하기
  • refactoring
    • report 폴더에 ML, DL로 문서 seperate
      • ML : EDA, ML
      • DL : dense, CNN, RNN, LSTM...

[lky473736]

• 2024.08.01
  • DL_classification_raisin에서 output layer의 node 갯수가 1이여야 오류가 안나는 상황을 해결
  • 여태껏 했던 모든 classification, regression에 dense layer struction 시도 (1)
    • glass classification, regression
    • diabetes classification, regression
  • problem solving
    • https://www.acmicpc.net/problem/2405
    • https://www.acmicpc.net/problem/22940

[lky473736]

• 2024.08.04.
  • HARTH classification DL 마무리짓기
  • glass regression DL
  • ADsP 총정리 회독
  • 자료 읽기
    • PCA 원리 복습 : https://ddongwon.tistory.com/114
    • 머신러닝과 딥러닝의 진짜 의미 : https://tensorflow.blog/%EC%BC%80%EB%9D%BC%EC%8A%A4-%EB%94%A5%EB%9F%AC%EB%8B%9D/1-%EB%94%A5%EB%9F%AC%EB%8B%9D%EC%9D%B4%EB%9E%80-%EB%AC%B4%EC%97%87%EC%9D%B8%EA%B0%80/

[lky473736]

• 2024.08.05.

  • glass classification DL
  • diabetes classification DL 마무리짓기
  • ADsP 총정리 회독 2
  • 자료 읽기
    • https://machinelearningmastery.com/how-to-develop-convolutional-neural-network-models-for-time-series-forecasting/
    • https://velog.io/@not12m10/Convolution%EC%9D%98-%EA%B0%9C%EB%85%90%EA%B3%BC-%EC%97%B0%EC%82%B0%EC%97%90-%EB%8C%80%ED%95%98%EC%97%AC

• 이번 주 계획

  • 주말부터 전에 들었던 딥러닝 강좌 다시 수강 시작하기 (내용 다 까먹음)
  • CNN에 대한 완전한 이해를 기반으로 새 데이터에 대해 분류, regression 진행해보기
    • breast cancer : ML regression, ML classification, DL regression, DL classification
    • rice : ML regression, ML classification, DL regression, DL classification
  • 일단 ADsP 시험에 집중, 토요일날 시험 끝나면 RNN 제대로

[lky473736]

• 2024.08.06.
  • glass classification CNN
  • diabetes classification CNN
  • 자료 읽기
    • https://machinelearningmastery.com/how-to-develop-convolutional-neural-network-models-for-time-series-forecasting/
    • https://velog.io/@not12m10/Convolution%EC%9D%98-%EA%B0%9C%EB%85%90%EA%B3%BC-%EC%97%B0%EC%82%B0%EC%97%90-%EB%8C%80%ED%95%98%EC%97%AC
      • 혼공머신 CNN-3
      • ADsP 1, 2과목 빠르게 훑고 마무리 암기

[lky473736]

• 2024.08.07. ~ 2024.08.08.
  • 혼공머신 RNN-1
  • CNN에 대한 제대로 된 이해
    • split-sequence
    • conv1d, conv2d, conv3d
  • breast cancer ML

[lky473736]

• 2024.08.09.
  • 혼공머신 RNN-2
  • 자료 읽기
    • 08장 심층신경망
    • 09장 컨볼루션 신경망
    • 11장 순환신경망
    • LSTM, GRU에 대한 단계적 설명
      • breast cancer DL

[lky473736]

• 2024.08.10. ~ 08.13.
  • 혼공머신 RNN-3, prev chapter 1
  • 자료 읽기
    • transformer 알아보기
    • transformer의 큰 그림 이해 : 기술적 복잡함 없이 핵심 아이디어 파악하기
      • vehicle DL, ML (원래 rice였다가 너무 쉬워보여서 다른걸로 변경, regression 진행 예정)
      • california housing value DL, ML
      • (08/10 ~ 08/13) SGD를 모방하여 딥러닝 학습을 직접 구현해보기 (미분, back propagation)

[lky473736]

• 2024.08.17. ~ 2024.08.18.
  • FAQ 스스로 작성
  • 인터넷 강좌
    • 4강~7강 : https://www.youtube.com/playlist?list=PLWtr7MRpQi5ATPYo3xN21Bwwd_Ut4rY0d (앞으로 하루에 4강씩 들으면서 ai 기본 복습하기)
    • summary 정리 : principle of machine learning and deep learning - stf101
      • vehicle DL
      • stock DL (rnn, cnn, lstm)
      • 1D-CNN : U-net
      • 자료 읽기
    • [RNN] https://towardsdatascience.com/deep-learning-illustrated-part-4-recurrent-neural-networks-d0121f27bc74
    • [LSTM] https://medium.com/@myskill.id/time-series-prediction-lstm-759763728c48, https://youtu.be/8HyCNIVRbSU?si=CLg7RGUgV2i-y_Sg
    • [Transformer] https://medium.com/@actionpower/%ED%8A%B8%EB%9E%9C%EC%8A%A4%ED%8F%AC%EB%A8%B8-transformer-%EC%95%8C%EC%95%84%EB%B3%B4%EA%B8%B0-1d595a208230

[lky473736]

2024.08.19. 부터 개강까지의 목표

• 그동안 했었던 AI study 혹은 seminar에서의 블로그 자료 정독
• hands-on machine learning 일부 내용 예습

[lky473736]

• 2024.08.23. ~ 2024.08.25.
  • FAQ 다시 상세히 작성해보기
  • U-net 이해하기
    • HARTH
    • DL ion switching
    • ML ion switching
  • 그동안 밀렸던 블로그 자료 전부 쭉 읽기
  • samsung prediction
  • pixel war idea 생각해보기