코딩 조아 코딩 조아

(ML&DL) 프로젝트/머신러닝 App 탑재

• 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