자주 까먹기 때문에 글을 남겨둠. Convolution - Batch Normalization - Activation - Dropout - Pooling 자세한 내용은 아래 블로그 확인! gaussian37.github.io/dl-concept-order_of_regularization_term/BatchNormalization, Dropout, Pooling 적용 순서gaussian37's bloggaussian37.github.io

CNN을 시각화한 사이트를 발견하여 소개합니다. 아래의 유튜브를 보고 굉장히 인상적이었습니다. https://www.youtube.com/watch?v=HnWIHWFbuUQ&feature=youtu.be 각 채널마다 어떻게 작동해서 어떻게 피처맵이 생기는지 보여줍니다. 그리고 한 커널에서 어떻게 연산이 되서 다음 피처 맵으로 나타나는지를 보여줍니다. Convolution을 처음 배우면 어떻게 연산이 되는지 헷갈리는데, 이러한 시각적인 툴도 제공해서 좀 더 빠르게 배울 수 있을 것 같습니다. 아래 사이트에서 직접 해볼 수 있으니 해보시면 좋을 것 같습니다! https://poloclub.github.io/cnn-explainer/ CNN Explainer poloclub.github.io

일단 빠르게 분석을 해야 되면, 일반 전처리는 다해보고 모델링해서 돌려본다. 근데 먼가 결과가 신통방통하지 못하다. 이땐 머 hyperparamter를 최적화해도 결과는 영 그럴 것이다. 그러면 여기서부터 고민을 하게 된다. 일단 그림을 변수별로도 열심히 그려봐서 딱 구분되는 것이 있는지 살펴보거나, Correlation을 구해본다. 사실 여기서 머 추가적으로 분포를 본다고 해도 이미 모델링해서 잘 나오지 않았다면, 웬만하면 찾기 어려울 것이다. 그렇다면 여기서 더 성능을 높이기 위해 유의미한 새로운 파생변수를 어떻게 만들어야 할까?? 일단 데이터가 자기 도메인이 아니게 되면 막막하다. 일단 자기가 주로 하던 분야가 아니니 생각의 깊이도 당연히 얕을 수밖에 없다. 현업에게 요청할 수도 있지만, 계속 붙잡..

이전에 1편은 여기에 있습니다! https://data-newbie.tistory.com/103?category=686943 Data Synthesis based on Generative Adversarial Networks [2018] 논문 리뷰 - 1 이 논문을 보는 이유 저번에 리뷰를 했던 https://data-newbie.tistory.com/98?category=686943 GAN 논문에서 해당 논문이 Table 데이터에 CNN 적용했다는 글을 보고 읽기 시작했다. 일반적으로 Table 같은 정형. data-newbie.tistory.com 저번 시간을 아주 간단하게 요약하면 다음과 같습니다. tabular data에 CNN을 적용할 수 있는 구조로 형태를 바꿉니다. Generator , Di..