효과적인 추천시스템을 구축하기 위해서는 모델 검증을 위한 다각적 평가가 필수라고 생각합니다. 두 번의 부스트캠프 대회를 겪으며 모델을 튜닝하면서 딥러닝 모델을 왜 사람들이 블랙박스 모델이라고 부르는지 체감하게 되었습니다. 정량적인 지표인 loss 값을 기준으로 모델의 성능을 추론하기에 부족하다는 생각이 들었습니다. 정량적인 평가 및 정성적인 평가를 할 수 있는 인터렉티브 웹 페이지는 사용자가 모델의 특징을 파악하고 개선 전략을 세울 수 있도록 도움을 줄 것 입니다. 더 나아가서 비즈니스 상황에서 다른 도메인의 클라이언트에게 모델의 성능을 체감할 수 있도록 돕고, 자신의 비즈니스에 접목할 수 있을지 판단하는 도구로 활용될 것으로 기대됩니다.
영화 예매 사이트
사진을 넣어주면 사진속 인물의 성별, 나이대와 마스크의 착용 여부를 반환해주는 streamlit
차원축소 기법에 대한 이해도
멘토링 과제 중 하나로 다양한 차원 축소 기법을 사용하고 이를 시각적으로 표현한 경험이 있습니다. 구, 원기둥, 토러스 등의 도형의 매개변수 방정식을 통해 해당 도형을 시각화한 후, scikit-learn에 내장된 각 차원 축소 함수를 사용하고 그 결과를 이를 또 시각화하는 경험을 하였습니다. 이때 활용한 차원 축소 기법은 PCA, MDS, t-SNE 등으로 다양한 차원 축소 기법들의 방식과 양상을 익힐 수 있었습니다. 또한, 실제 온라인 소비 데이터에서 다양한 상관성이 높은 변수들을 PCA 기법을 이용해 차원 축소한 뒤 군집분석에 활용했던 경험도 있습니다.
토러스 (random sampling)
토러스 mds
원기둥 형태 데이터
원기둥 t-SNE
원기둥 isomap