TEAM EDA

주제 : 브런치 사용자를 위한 글 추천 대회 - brunch 데이터를 활용해 사용자의 취향에 맞는 글을 예측하는 대회 기간 : 2019.06.23 ~ 2019.07.24 팀 : TEAM - EDA 멤버 : 김연민, 김태진, 김현우 결과 : 4등 (공개등수 2등 / 통합등수 4등) 탐색 자료 : 작성중. 코드 : https://github.com/yeonmin/team-eda-brunch-recommendation yeonmin/team-eda-brunch-recommendation kakao arena brunch recommendation. Contribute to yeonmin/team-eda-brunch-recommendation development by creating an account on ..

멤버 : 김현우, 민은주, 이지예 기간 : 2018. 12. 03(월) ~ 2019. 1. 16(수) 주제 : Digital Trend Analyzer (부제 : 온라인 행동 기반 트렌드 예측) 세부과제 1) 주요 상품군별 온라인 선호지수 생성 2) 상품군별 수요 트렌드 예측 및 인사이트 도출 3) 1), 2) 를 활용한 신규 서비스 제안 활용 데이터 1) 제공 데이터 : 온라인 행동 데이터, 상품분류정보 2) 외부 데이터 : 통계청, 기상청 등 공공데이터, 소셜 데이터 등 자유롭게 활용 결과 : 예선탈락 자료 : https://eda-ai-lab.tistory.com/175 피드백(비공개) : https://eda-ai-lab.tistory.com/176

기간 : 2018.07.01 ~ 2018.07.29 멤버 : 김현우, 박주연, 이주영 데이터 : Favorita Grocery Sales ( https://www.kaggle.com/c/favorita-grocery-sales-forecasting ) 전통적인 수요 예측 모델과 최신 모델 사이의 성능비교 Favorita Grocery Sales Data를 통해 0. Overview 유통업체의 경우 정확한 수요예측은 과거부터 중요한 이슈 중 하나이다. 과거에는 linear regression, logMA 모델이 많이 쓰였지만 최근에는 LSTM, LightGBM등의 모델을 사용하는 추세이다. 이에 대해 전통적인 수요예측 모델과 최신 모델 간의 성능에 비교 분석을 진행하였다. 다음은 분석의 진행 방향이다. 정..

원문 아티클 : Attn: Illustrated Attention Attn: Illustrated Attention GIFs를 활용한 기계번역(ex. 구글번역기)에서의 Attention 신경망을 활용한 기계 번역모델(NMT)이 나오기 전 수십 년 동안, 통계기반 기계 번역(Statistical Machine Translation)이 지배적인 모델이었습니다[9]. NMT는 거대한 단일 신경망을 구축하고 훈련합니다. 이러한 방식은 입력 텍스트를 읽고 번역을 출력하는 기계번역의 새로운 접근법입니다. [1]. 기계 번역모델의 선구 연구들은 Kalchbrenner and Blunsom (2013), Sutskever et. al (2014) 와 Cho. et. al (2014b)입니다. 여기서 더 익숙한 구조는 ..

Winning Tips on Machine Learning Competitions by Kazanova, Current Kaggle #3 Introduction 머신러닝은 교활합니다(?). 너가 얼마나 많은 책을 읽든지, 많은 문제를 풀고 튜토리얼을 끝냈든지 ~. 특히 너가 머신러닝에 일찍 접했을 수록. 그렇지 않니? 이번 포스트에서는, 너는 많은 사람들이 경험한 머신러닝모델을 생성하는 근본적인 팁에 대해 배울 것이다. 이 팁들은 Marios Michaildis (a.k.a Kazanova), 캐글 그랜드마스터, 2016년 5월 5일 현재 Current Rank #3에 의해 공유되었습니다.(참고로, 지금은 5등입니다) 영상 자료 - 유튜브 링크 슬라이드 자료 - 슬라이드쉐어 링크 질의 응답 자료 - 아래..