1. 미니프로젝트 2차
2차 미프에서는 "장애인 콜택시 대기시간 예측"을 주제로 데이터를 전처리하고 학습까지 해보는 프로젝트를 진행했습니다.
(1) 데이터 전처리
주어진 데이터가 날짜별로 측정이 되어있는 시계열 데이터라서 날짜를 년, 월, 일로 구분하고 그 데이터를 이용해서 다양한 기준으로 여러 가지의 그래프를 그려보는 과정이 흥미로웠습니다.
| 연도별 그래프 |
|---|
 |
| 일별 그래프 |
|---|
 |
익일의 대기시간을 예측값으로 이용하기 위해서 shift() 함수를 활용해보는 시간도 가졌습니다.
(2) 탐색적 데이터 분석
데이터 전처리 단계에서는 각각의 데이터 하나씩으로만 그래프를 그려보았다면, 데이터 분석 단계에서는 2가지의 데이터를 이용하여 그래프를 구성해서 서로의 상관관계와 Feature에 따른 Target의 변화를 알아보는 시간을 가졌습니다.
| 상관계수 Heatmap | 산점도 그래프 |
|---|---|
 |  |
(3) 모델링
모델링 단계에서는 MinMaxScaler를 이용하여 데이터를 스케일링해주고, KNN, 선형회귀, Decision Tree 모델을 이용하여 모델링을 진행했습니다.
모델을 학습시킨 후에 MAE, MAPE, R2로 모델의 성능을 평가하고 예측값과 실제값을 시각화해서 비교해볼 수 있었어요 :)
plt.plot(y_test.index, y_test, label='realm', marker='o', linestyle='-')
plt.plot(y_test.index, y_pred, label='predict', marker='x', linestyle='--')
2. 시각지능 딥러닝
시각지능 딥러닝 강의는 김건영 강사님께서 진행해주셨습니다.
시각지능 딥러닝이 발전해온 과정부터 컴퓨터가 이미지를 인식하는 방법에 대해 자세히 들어볼 수 있었습니다.
컴퓨터는 이미지를 아래의 단계를 통해 인식합니다.
- 조각을 본다
- 각 조각이 조합된 패턴을 본다
- 점점 더 복잡한 조합의 패턴을 본다.
- 반응하는 여러 패턴의 조합을 가지고 이미지를 인식한다.
이외에도 CNN이 이미지를 학습하는 방법, IoU, NMS 개념에 대해서 알아보았고,
Roboflow를 통해 데이터를 라벨링하고 데이터셋을 다운받아서 활용하는 방법도 알아볼 수 있었습니다.
3. 미니프로젝트 3차
3차 미프에서는 시각지능 딥러닝을 이용하여 저시력자들을 위한 원화 화폐 탐지를 주제로 프로젝트를 진행했습니다.
이 프로젝트에서는 주어진 화폐 사진들과 위치 정보를 담은 label 파일들을 불러와서 각 화폐 종류별로 정리하는 과정이 가장 많은 시간을 소요했던 것 같아요.
이후에는 yolov5 모델과 yolov8 모델을 이용해서 이 정보들을 학습시킨 yaml 파일을 생성하고 이미지를 넣어 결과를 예측해보았습니다.
추가 활동
주어진 데이터가 정방향 사진밖에 없어서 팀원분들과 함께 회전한 화폐 사진도 학습시켜서 회전된 화폐 이미지도 예측해보고자 했습니다. Kaggle에서 화폐 이미지를 받아 회전된 이미지를 넣어 학습을 시켜보니 예상과 달리 학습 정확도가 떨어지는 모습을 볼 수 있었습니다.
