● Aplication s/w Aplication s/w -> standalone : 설치형 -> local pc .. photoshop ms word, alzip.. c/c++/c# Aplication s/w -> client/sever : 설치형 + 원격 접속 .. kakaotalk putty mail Aplication s/w -> client/sever -> web application Local Client (web browser) : web server 에 요청 : web browser 실행. html css javascript ▶ 화면생성 Remote Server (web server) : java .sql, json . data 조작 html css javascript ★ 웹서버와 웹브라우..
2주간의 네이버 클라우드 서버를 통한 주피터 노트북 활용 파이썬 교육 여정이 끝이 났다. 딥러닝 부터 머신러닝까지 개념을 알고 학습하며 배우기에는 짧은 시간이었지만 실습 위주로 진행하면서 직접 경험해보며 고민하고 코드를 수정하고 프로젝트에 적용 시키는 과정에서 많은 것들을 스스로 배워볼 수 있었다고 생각한다. 프로젝트에 그치치 않고, 더 나아가기 위해서 텐서플로우 자격증 시험을 보려고한다. 자격증 지원금을 받고자 TensorFlow Education Stipend 를 신청하였다. 4~6주 정도 소요된다고 하니 결과가 나오면 다시 업로드 하도록하겠다. 아래에는 자격 지원금 신청 방법에 대한 안내이다. 지원 대상 확인 텐서플로우 자격증 지원금은 일반적으로 학생, 연구원, 개발자 등 인공지능 및 머신러닝 분야..
제주도 퇴근 버스 승객 예측. 머신러닝 프로젝트 코드리뷰 데이터를 살펴보는 과정. x data는 오전부터 점심시간 까지의 탑승 승객 수와 버스에 대한 정보 및 날짜정보이다. y data는 18~20ride 이다. 아래 이미지를 보면 유의미한 상관관계를 나타내는 부분을 확인해볼 수 있다. #1. 데이터 전처리 # 1. Data preprocessing # Read the dataset from a CSV file path = './' datasets = pd.read_csv(path + 'train.csv') # Extract the relevant features from the dataset x = datasets[['id', 'bus_route_id', 'in_out', 'station_code', ..
오늘은 팀원들과 함께 미니 프로젝트를 진행하는 시간을 가졌다. 프로젝트 주제는 "제주도 퇴근버스 탑승인원 예측"이었다. 우리는 해당 주제에 대해 x 데이터로는 7시부터 12시까지의 승하차 인원을, y 데이터로는 18시부터 20시까지의 승차인원을 예측하는 작업을 진행했다. 프로젝트에서 나는 주로 머신러닝 모델과 피처 엔지니어링, 그리고 파라미터 값 수정을 담당했다. 우리는 수업 시간에 배웠던 다양한 기법과 도구들을 활용하여 프로젝트를 진행했으며, train_test_split, KFold, 파라미터 조정, 스케일링(Scaler), 그리고 Optuna와 같은 기능들을 사용하여 모델의 성능을 높이는 데에 집중했다. catboost, xgboost, LGBM 등 다양한 머신러닝 모델을 실험하면서 r2 값을 향상..
