KT 에이블스쿨 AIVLE school 4기 AI트랙 13주차 후기 | 6차 미니프로젝트

13주차 일정

10/30 - 11/02 미니프로젝트 6차

11/03 AIVLE Day 1차

10/30 - 11/02 미니프로젝트 6차

에이블스쿨 AI트랙의 STEP1 AI 모델링 과정에서의 마지막 미니프로젝트 되시겠습니다🚩

이번 미프 역시 이틀씩 나눠 두 가지 프로젝트 진행!

(자연어 처리) Aivle 스쿨 지원 질문, 답변 챗봇 만들기
(이미지 분류) 차량 파손여부 분류

4차 미니프로젝트로 호되게 혼난 자연어 처리는 이제 보기만 해도 좀 무섭고.. 두려워요..

차라리 아무것도 모르는 때가 겁도 없이 덤벼들 수 있달까..?

근데 또 한 번 해봤다고 뚝.딱 전처리 끝내고 첫 번째 챗봇 모델링을 하루 만에 끝냈다네요

하지만 두번째 챗봇 모델링이 꽤나 까다롭고 처음 보는 것들이 많아서 다른 에이블러 분들 주변을 맴돌며 해결해보려 했지만 결국 끝까지 마무리하지 못했다는... ~~주말 뒷공부 열차 탑승~~

그리고 저희 조에는 이두나가 있었는데요

🙎 후회한다고 해.

🤦‍♀️ 후회해.

🙎 미안하다고 해.

🤦‍♀️ 미안해.

이두나를 본 사람이 저 하나 뿐이라 디집어지게 웃었습니다.

역시 웃수저 원투펀치와 같은 팀이라면 일주일치 웃음을 하루 만에 모두 소진 ssap 가능

두 번째 차량 파손여부 분류 프로젝트는 오랜만에 이미지 데이터를 다뤄보니 너무 반가웠던!

특히 이미지 증강 부분에서 0.4~0.5 주변을 왔다 갔다 하는 accuracy의 원인을 깨달았다네욥!!!!!!!

.flow_from_directory를 사용하면 지정된 디렉토리의 이미지 데이터 증강을 적용시키는데 이때 클래스가 알파벳순으로 0, 1 지정된다.

우리가 전처리 과정에서는 normal=0, abnormal=1로 정해줬지만 .flow_from_directory를 사용하면 abnormal=0, normal=1이 되기 때문에 아무리 멋진 모델을 만들어도 이진분류에서는 하나로만 찍어도 성능이 0.5 안팎이 나오는 것!

train_generator = train_aug.flow_from_directory('/content/drive/MyDrive/mini6/Car_Images_train',
                                                target_size=(280, 280),
                                                classes=['normal', 'abnormal'], # 클래스 순서 지정
                                                batch_size=16,
                                                class_mode='binary')
                                                
validation_generator = val_aug.flow_from_directory('/content/drive/MyDrive/mini6/Car_Images_val',
                                                   target_size=(280, 280),
                                                   classes=['normal', 'abnormal'],
                                                   batch_size=16,
                                                   class_mode='binary')

classes를 전처리했던 방식과 같은 순서로 지정해주고 나니 accuracy가 0.81로 급상승⏫