학부와 대학원에서 수강했던 기계학습 및 AI 관련 수업에서 수행했던 과제 모음.
- 수강 기간: 학부 10학기 (2020.03. - 2020.06.)
- 참여 인원: 개인 프로젝트
- 활용 데이터: 과제 내에서 랜덤으로 생성
- 사용 기술 / 데이터 분석 방법:
- PCA, K-means Clustering, K-means ++, EM algorithm for Mixture of Gaussians, Bayesian Information Criterion (BIC) 구현
- 수업 내용:
- 선형대수, 미적분, 확률, 최적화 등 기계학습의 기초가 되는 내용을 다루고 수식을 기반으로 직접 기계학습 코드를 작성하였음.
- 성과 및 배운점:
- 학점 A0
- 기계학습과 딥러닝의 기본이 되는 수학적 원리를 학습하고 이해함
- 수강 기간: 석사 3학기 (2022.03. - 2022.06.)
- 참여 인원: 개인 프로젝트
- 활용 데이터: “Bar Crawl: Detecting Heavy Drinking Data Set”: 13명의 데이터 18시간동안 기록, 좌표 약 1400만 개 https://archive.ics.uci.edu/ml/datasets/Bar+Crawl%3A+Detecting+Heavy+Drinking
- 사용 기술 / 데이터 분석 방법:
- Python 데이터 전처리, Feature Engineering, Feature Selection
- 수업 내용:
- 스마트폰 가속도계 데이터를 활용하여 운전 시 사고 확률이 높은 음주자 판별
- 성과 및 배운점:
- 학점 A+
- Feature Engineering과 Feature Selection을 직접 수행해 보았고, 다른 사람들과 과제 및 코드를 공유하며 피드백하는 과정을 통해 데이터 분석가 개인의 데이터 접근 역량에 따라 결과가 많이 달라진다는것을 알게 됨