번호 | 제목 | 설명 |
---|---|---|
1 | 날씨 좋은 월요일 오후 세 시, 자전거 타는 사람은 몇 명? | 프로젝트1: sklearn 당뇨병 환자 데이터를 선형회귀로 분석하기 프로젝트2: 캐글 데이터셋을 선형회귀로 분석하기 |
2 | 나의 첫 번째 캐글 경진대회, 무작정 따라해보기 | 캐글 부동산 데이터를 EDA과정과 하이퍼 파라미터 튜닝을 통해 모델의 성능을 최대로 끌어내기 |
3 | 카메라 스티커앱 만들기 첫걸음 | dlib을 사용하여 얼굴 랜드마크를 검출하고 준비한 스티커를 올바른 형태로 합성하기 |
4 | 영화리뷰 텍스트 감성분석하기 | 네이버 영화리뷰 데이터를 적절한 전처리를 수행하여 훈련하고 word2vec_ko를 이용하여 성능을 개선해보기 |
5 | 인물사진을 만들어보자 | 시맨틱 세그멘테이션을 사용하여 사진의 전경과 배경을 분리하고 배경을 블러처리하거나 변경해보기 |
6 | 뉴스 요약봇 만들기 | 뉴스 데이터를 어텐션 메커니즘을 이용한 추상적 요약과 Summa를 이용한 추출적 요약 해보기 |
7 | 난 스케치를 할 테니 너는 채색을 하거라 | 도로주행 데이터에 augmentation을 적용하고 U-Net Generator를 사용해 모델을 학습하여 세그멘테이션 이미지를 입력으로 넣으면 실제 사진과 유사한 이미지를 출력으로 내보내기 |
8 | 트랜스포머로 만드는 대화형 챗봇 | 한국어 채팅 데이터를 적절히 전처리하고 트랜스포머를 활용한 모델을 학습하여 챗봇 만들어보기 |
번호 | 제목 | 설명 |
---|---|---|
1 | Chest X-Ray image classification | 캐글 흉부 x-ray 데이터를 적절히 전처리하고 VGG16과 ResNet34를 직접 구현하여 학습한 뒤 결과 비교하기 |
번호 | 제목 | 설명 |
---|---|---|
1 | 없다면 어떻게 될까? (ResNet Ablation Study) | 논문을 읽고 ResNet34와 ResNet50을 직접 구현한 뒤 잔차 연결이 없는 Plain Network를 구성하고 학습 결과를 비교하는 Ablation Study 진행하기 |
2 | 이미지 어디까지 우려볼까? | No Augmentation, 기본 Augmentation, 기본 + CutMix, 기본 + Mixup을 적용하여 전처리한 데이터들을 학습시킨 모델들 간의 성능 비교하기 |
3 | 나를 찾아줘 - Class Activation Map 만들기 | CAM과 Grad-CAM을 이용하여 바운딩 박스를 구하고 비교하기 |
4 | GO/STOP! - Object Detection 시스템 만들기 | kitti데이터로 RetinaNet을 학습시키고 object detection을 수행하여 보행자를 발견하면 정지하는 간단한 자율주행 시스템 만들기 |
5 | 도로 영역을 찾자! - 세그멘테이션 모델 만들기 | 직접 구현한 U-Net과 U-Net++의 논문과 깃헙 페이지를 참고하여 직접 U-Net++를 구현하고 kitti 데이터셋을 학습하여 U-Net과 U-Net++의 도로 세그멘테이션 능력 비교하기 |
6 | 직접 만들어보는 OCR | MJSynth 데이터셋으로 CRNN을 학습한 뒤, keras OCR의 Detector class를 이용해 이미지 내의 문제 위치를 찾아내어 학습한 모델로 추론 과정 진행하기 |
7 | 멀리 있는 사람도 스티커를 붙여주자 | SSD모델을 이용해 사진에서 사람 얼굴을 검출하고 스티커를 붙이기 |
번호 | 제목 | 설명 |
---|---|---|
1 | Gastrointestinal Image ANAlys Challenges (GIANA) | 캐글의 대장 내시경 이미지 데이터를 모델을 조사하여 선정 및 학습하고 최상의 결과를 얻어내기 |
번호 | 제목 | 설명 |
---|---|---|
1 | Heart Signal Detection | circor digiscope phonocardiogram 데이터셋을 신호처리를 이용하여 전처리하고 멜스펙트로그램으로 변환하여 SSD모델을 학습시켜 S1, S2 signal을 탐지하기(발표자료) |