코딩 조아 코딩 조아

(ML&DL) 프로젝트

• 추천시스템 알고리즘 선정

  (ML&DL) 프로젝트/머신러닝 App 탑재 2022. 6. 19. 18:42

  * 협업기반 필터링 1. GMF(Generalized Matrix Factorization) - 사용자와 아이템(운동 종목)간 상호작용을 표현하기 위해 내적벡터를 활용 - 대표적으로 SVD 모델 - 구체적인 학습 과정 1) 사용자 분류 (Segmentation) K-최근접 이웃 알고리즘을 활용해 비만의 정도(BMI)에 따라 사용자를 분류 운동 데이터를 소모 칼로리에 따라 클러스터링 2) 베이지안 네트워크 비만의 정도와 운동 레벨에 따라 정해진 추천 점수를 통해 사전 선호도 확률을 계산하고, 베이지안 네트워크를 통해 사후 확률을 구한다. 3) 이를 바탕으로 특이값 분해 알고리즘(SVD)를 활용하여 사용자 맞춤형 운동을 추천 4) 성능 측정 제안 시스템의 성능을 검증하기 위해 비교 실험을 진행하여 회귀 문제..

  Read More
• tensorflow.js 관련 서적

  (ML&DL) 프로젝트/머신러닝 App 탑재 2022. 4. 3. 23:04

  https://m.hanbit.co.kr/channel/category/category_view.html?cms_code=CMS4223226021 웹에서 하는 머신러닝, TensorFlow.js의 특징들 TensorFlow.js는 텐서플로 파이썬 API와 호환이 되는 머신러닝 모델을 구성하고자 할 때 사용하는 프레임워크입니다. TensorFlow.js는 텐서플로 파이썬 API와는 달리 웹 환경에 매끄럽게 통합할 수 있기 m.hanbit.co.kr

  Read More
• Tensorflow.lite / Tensorflow.js / CoreML

  (ML&DL) 프로젝트/머신러닝 App 탑재 2022. 3. 23. 13:40

  차이점 비교 Tensorflow.lite Tensorflow.js CoreML 특징 1. iOS, Android 네이티브 언어와 호환 2. 모델 구현 & 학습코드는 존재X (앱 탑재가 목적이므로) -> 미리 학습시킨 모델을 변환하여 앱 내에서 추론만 실행함 1. 자바스크립트 언어와 호환 -> 스크립트 언어를 사용하는 웹 프론트엔드, 하이브리드 앱 프레임워크에 탑재 가능 2. 모델 layer를 직접 구현 가능 (tenserflow와 문법 유사) & 모델 학습도 가능 - 웹 경우에는 학습시킬 서버가 있으므로.. 핵심 사전 학습된 모델을 TFLite포맷으로 변환 -> 추론 API활용 (Interpreter) 사전학습된 keras모델 (.h)을 변환 -> 모델 로드 (tf.loadLayersModel ) -> ..

  Read More
• 추천시스템 예제코드

  (ML&DL) 프로젝트/머신러닝 App 탑재 2022. 3. 22. 14:29

  추천 시스템 (Recommender Systems) 추천 시스템은 크게 두가지로 구분 가능 ​ 1. 컨텐츠 기반 필터링 (content-based filtering) - 컨텐츠 기반 필터링은 지금까지 사용자의 이전 행동과 명시적 피드백을 통해 사용자가 좋아하는 것과 유사한 항목을 추천 2. 협업 필터링 (collaborative filtering) - 협업 필터링은 사용자와 항목간의 유사성을 동시에 사용해 추천 3. 두가지를 조합한 하이브리드 방식도 가능 ​ ​ ​ 1. 실습 준비 Surprise - 추천 시스템 전용 라이브러리 - 다양한 모델과 데이터 제공 - scikit-learn과 유사한 사용 방법 ​ surprise 모듈 불러온 후에, 데이터셋을 불러오고 raw_ratings를 ..

  Read More
• 배포 순서(큰 틀)

  (ML&DL) 프로젝트/(ML&DL) 모델 배포,서빙 2021. 5. 22. 04:47

  로컬에서 django 웹사이트를 완성하고 서버에 업로드 한다. aws ec2의 경우, SSH 연결, 보안그룹, elastic IP 설정을 해준다. gunicorn 혹은 uwsgi 를 이용하여 배포 서버에서의 django 실행 환경을 만든다. manage.py runserver 가 아니라 guicorn이나 uwsgi 를 이용하여 django 서버를 실행시켜야 한다. (runserver 는 개발용이므로 실제 서비스를 운영하는데 부적합하기 때문에 실제로 어플리케이션을 서비스할 때는 웹서버를 사용하게 된다 - 장고와 웹서버를 연결해주기 위해 wsgi설치) 80 port 로 요청이 들어와도 (일반적인 브라우저 http 요청) 8000번에서 실행되고 있는 django 서버로 요청을 라우팅 하기위해 nginx 설정파..

  Read More
• 딥러닝 모델 배포 / 웹서비스

  (ML&DL) 프로젝트/(ML&DL) 모델 배포,서빙 2021. 5. 22. 04:08

  용어정리 1. 서버리스 컴퓨팅 개발자가 서버를 관리할 필요 없이 애플리케이션을 빌드하고 실행할 수 있도록 하는 클라우드 네이티브 개발 모델 서버리스 컴퓨팅은 IT인프라를 데이터 센터 혹은 클라우드에 별도 준비 없이, 필요한 기능을 함수 형태로 구현하고, 자동 스케일링 방식으로 시시각각 변하는 자원 수요를 지원하며 전통적인 백엔드 대신 사용한다. 따라서 서버리스 컴퓨팅을 FaaS(Function as a Service) 백엔드 시스템을 보이지 않는 서비스로 추상화하였기 때문에 BaaS(Backend as a Service) 라고 함 서버리스 컴퓨팅은 보이지 않는 곳 어딘가에 관리형 서버가 있다. 즉 물리적인 서버는 존재하고 이에 대한 관리는 클라우드 사업자의 몫임. 서버리스 컴퓨팅을 통해 IT조직과 SW개..

  Read More
• LGBM & XGBOOST & CATBOOST

  (ML&DL) 프로젝트/(ML&DL) 공부자료 2020. 7. 24. 08:33

  https://greeksharifa.github.io/machine_learning/2019/12/09/Light-GBM/ Structural Differences in LightGBM & XGBoost LightGBM은 split value를 찾기 위한 데이터를 추출할 때, Gradient-based One-Side Sampling (GOSS) 라는 참신한 기법을 사용함 반면 XGBoost와 같은 GBDT(Gradient Boosting Decision Tree)는 split value를 찾을 때 pre-sorted algorithm & Histogram-based algorithm을 사용함 Gradient Boosting Decision Tree (GBDT)은 모든 가능한 split point에 대..

  Read More