밑에 두개의 jupyter notebook 파일에서 해당 칸마다 적혀있는 주석의 내용에 따라 코드를 작성하고 이를 실행하여 결과를 도출
[Project 1] 교통 표지판 이미지 분류
프로젝트 목표
교통 표지판 이미지 데이터를 분석하고 딥러딩 모델을 통하여 표지판 종류를 예측하는 분류 모델 수행
대량의 이미지 데이터를 전 처리하는 과정과 이에 따른 CNN 모델의 성능 변화를 학습
프로젝트 목차
데이터 분석: 이미지 데이터를 이루고 있는 요소에 대해서 Dataframe를 사용하여 분석 및 확인
1-1. 이미지 데이터 정보 파악하기 - Meta
1-2. 이미지 데이터 정보 파악하기 - Train
1-3. 이미지 데이터 정보 파악하기 - Test
데이터 전 처리: 이미지 데이터를 읽어오고 딥러닝 모델의 입력으로 전 처리
2-1. 이미지 데이터 읽기
2-2. label 데이터 읽기
2-3. 데이터 분리하기
딥러닝 모델: CNN 모델을 구현하고 학습, 평가 및 예측을 수행
3-1. CNN 모델 설정
3-2. 학습 수행
3-3. 모델 성능 평가 및 예측
데이터 출처 https://www.kaggle.com/meowmeowmeowmeowmeow/gtsrb-german-traffic-sign
프로젝트 개요
차량 운전을 하면서 도로 교통 표지판을 보고 규칙을 지키는 것은 운전자의 및 교통 안전을 위해서 중요한 일입니다. 만일 사람이 아닌 기계가 이를 수행해야 한다면, 어떻게 표지판을 구분할 수 있을까요? 이러한 물음은 자율 주행차 기술이 발전하면서 중요한 이슈가 되었고, 딥러닝 기술 바탕의 분류 모델이 상당한 수준의 정확도를 보이며 적용되고 있습니다. 이번 프로젝트에서는 교통 표지판 분류의 첫 번째 스텝으로 간단하게 교통 표지판 이미지가 입력 되었을 때 이 것이 43 종의 표지판 중 어떤 것인가를 분류하는 딥러닝 모델을 구현합니다. 이를 통하여 교통 표지판 이미지 데이터들의 특징과 CNN 모델을 통하여 분류를 수행하는 것을 학습할 수 있습니다. 첫 번째 스텝을 확장하여, 추 후에는 교통 표지판만 있는 이미지를 입력으로 하지 않고 도로 이미지에서 교통 표지판을 분리하여 분류하는 Object detection 모델을 사용할 것이며, 최종적으로는 센서로 입력받는 비디오 이미지에서의 교통 표지판을 분리하고 분류하는 모델을 수행할 수 있습니다.
[Project 3] 반도체 공정 데이터를 활용한 공정 이상 예측
프로젝트 목표
반도체 공정 데이터 분석을 통하여 공정 이상을 예측하는 분류 모델 수행 공정 이상에 영향을 미치는 요소들에 대한 데이터 분석
프로젝트 목차
데이터 읽기: 반도체 공정(SECOM) 데이터를 불러오고 Dataframe 구조를 확인
데이터 정제: 비어 있는 데이터 또는 쓸모 없는 데이터를 대체
데이터 시각화: 변수 시각화를 통하여 분포 파악
3.1. Pass/Fail 시각화
3.2. 센서 데이터 시각화 하기
3.3. 59번 센서 데이터 시각화 하기
데이터 전 처리: 머신러닝 모델에 필요한 입력값 형식으로 데이터 처리
4.1. x와 y로 분리
4.2. 데이터 정규화
머신러닝 모델 학습: 분류 모델을 사용하여 학습 수행
5.1. 기본 분류 모델 학습 - 로지스틱 분류기
5.2. 다양한 분류 모델 학습
평가 및 예측: 학습된 모델을 바탕으로 평가 및 예측 수행
6.1. Confusion Matrix
6.2. Precision & Recall
6.3. 테스트 데이터의 예측값 출력
데이터 출처
https://archive.ics.uci.edu/ml/datasets/SECOM
프로젝트 개요
제조 분야의 디지털 트랜스포메이션이 진행되면서 제조 공정에서 일어나는 수많은 정보가 데이터로 정리되고 있습니다. 제조 공정의 이상을 탐지 분야는 이러한 데이터 바탕으로 구현되는 인공지능 기술로 기존 확률 기반의 예측보다 높은 효율을 내고 있습니다. 이러한 이상 탐지 알고리즘은 불량률을 예측하는 것 뿐만 아니라 어떠한 요소가 불량품을 나오게 하는지 그 원인을 파악하는데 또한 도움을 줄 수 있습니다. 따라서 제조 분야에서의 인공지능을 활용한 이상 탐지는 계속 연구되고 있으며 빠르게 적용되며 그 효율을 보여주고 있습니다.
이번 실습에서는 UCI에서 제공하는 SECOM 공정에서 측정된 센서 데이터를 기반으로 한 데이터를 바탕으로 공정 이상을 예측해보는 분류 모델을 구현합니다. 이를 활용하여 센서 데이터가 주어 졌을 때 공정 이상이 생기는지를 예측할 수 있으며, 공정 이상 시 어떠한 센서들이 중요한 역할을 하는지 알아봅니다.