차근차근잼

1차 발표를 마치고 지금까지 진행한 프로젝트 내용을 발표자료를 이용해 간략히 정리하고자 한다. EEG 자체에 대한 이해가 시간이 걸려서 이미지 모델을 구현하겠다는 원대한 꿈은 아직 발표에 녹여내지 못했고 추후에 더 발전된 모습으로..... 공유를 하기로 하였다..! 1차적으로 데이터 이해한 부분, EDA 및 인사이트, 결론, 앞으로 할 일을 공유해보고자 한다!! EEG 측정은 여러 방법이 있는데 여기서는 10-20 rule? 을 적용해 머리를 전두엽, 측두엽, 두정엽, 후두엽으로 나누어 전극을 배치하고 측정된 신호를 시간-주파수의 Spectrogram으로 표현한다. 이는 주파수의 강도에 따라 다른 색상을 사용해 분석에 용이하게 하기 위함이다. 실제로 이 데이터를 이용해 전문가가 뇌의 다양한 상태와 앞으로..

저번주 부터 ml 프로젝트가 시작되었다. 프로젝트는 kaggle competition 이나 playground, 데이콘과 같은 주제 중에서 관심있는 주제를 골라 진행하게 되었고 나는 현재진행중인 kaggle competition 인'HMS - Harmful Brain Activity Classification' 를 골라 진행하였다. https://www.kaggle.com/competitions/hms-harmful-brain-activity-classification?rvi=1 주제 선정 이유는 1. 진행중인 대회에 참여해보고 싶었고 2. 의학 분야 데이터를 모델링하는 경험은 생소한데 한번쯤 도전해보고 싶은 과제였고 3. 이미지/영상 데이터를 다룰 것 같았기 때문이다. 주제도 주어지는 데이터도 난이도가..

부끄럽게도 이번 부트캠프 이전에 코딩테스트를 일부러 공부해 본 건 대학교 시절... 이 처음이자 마지막이다. 카카오 코딩테스트가 유행이였는데 도전이나 해보자!라는 마음으로 제일 쉬운 거 하나 풀고 포기했더랬다..... 8ㅅ8 본체 이과의 두뇌는 아니라고 생각해왔고 코딩 공부도 게을리하는 그런 학생이었기에.. 당연한 결과..! 하지만 이번에 다시 조금이나마 공부해보면서 아예 희망이 없진 않겠구나 하는 희망이 조금 생긴 것도 같다...! 노정호 강사님의 속성 코테 강의는 기본 자료구조/알고리즘 개념 설명 + 실전 문제 풀이 방식으로 진행되었고. 수업 내용으로는 자료구조: list, queue, stack, dictionary, heapq, graph, tree, heap, hash table 알고리즘: 완전..

드디어 ML 강의에 돌입했고 슬슬 모델도 만져보고 가볍게 kaggle competition 도 때려보는..! 기회가 주어졌다. ML work flow 를 기준으로 머신러닝 문제 정의, 모델, 데이터 정제의 순서로 차근차근 수업이 진행되고 있다. 사실 내심 ..다 아는 내용이 아닐까? 하는 생각도 잠깐 했지만.. 업무를 하면서 스터디도 하고 인강도 듣고 책도 보면서 공부하던 내용을 체계적으로 강의를 들어보니 다시금 알게 된 부분도 많았고 정리도 되는 것 같아서 굉장히 뿌듯한 시간인 것 같다. 일단 한다! 특히 데이터 분석 문제 정의에서는 실제로 업무를 하면서 느꼈던 애로사항도 많이 떠올라서 괜히 아련했다 .. 예측이... 필요한가...? 데이터가... 있나?? 룰베이스로 하면 안 되나..? 머신러닝의 Fo..