ufc 경기는 배당률이나 승패를 예측하는 것이 어려워 '오즈메이커'라는 전문 직업이 필요하다. 이 '오즈메이커'가 배당률을 예측하여, 예측값과 크게 다를 경우 승부조작을 의심해 볼 수 있다고 한다. 머신러닝 모델로 배당률을 예측하여 승부 조작을 예방할 수 있을 것이라 기대되어 주제로 선정했다. kaggle의 데이터셋 2개를 사용했다. 1. ufc-master.csv https://www.kaggle.com/datasets/mdabbert/ultimate-ufc-dataset Ultimate UFC Dataset Merging All Kaggle Public UFC Datasets www.kaggle.com R_, B_ 해당 수치가 Red 선수인지 Blue 선수..
23년도 1학기에 동아리에서 논문 리뷰반 수업을 들었다. 나는 한 학기동안 논문 두개를 읽고 발표를 진행했다. 논문을 처음 읽었을때는 정말 어려웠다. 하지만 어떻게든 읽고 발표를 준비하는 과정에서 대충 어떻게 읽는지는 알게 돼었다. 동아리 수업과 상관없이 학기에 두 편씩은 읽어야겠다. ImageNet Classification with Deep Convolutional Neural Networks(AlexNet) 1. MLP보다는 이전 CNNs모델과 비교하는게 좋다 -> 이전 모델의 어떤 점을 개선했는지를 중심으로 2. 모델 구조, 기술(최적화된 GPU, 효율적인 모델)에 대한 설명이 빠짐 -> 간단히 설명하지 말고 자세하게 꼼꼼히 3. DataSet Image 표가 여러개라 보기 어려움. 하나의 표로 ..
학과 경진 대회에 참여하면서 yolo 모델을 사용해봤다. yolo는 이미지나 영상 속에서 객체를 탐지하는 모델 중 하나다. 객체 인식 모델은 매우 많지만 yolo는 속도가 빠르고, 비교적 성능이 좋아 많이 쓰인다고 한다. 기본 원리는 ReSNET과 유사하다. 라벨링 된 이미지를 통해 모델을 학습시킨 후, 입력 받은 이미지나 영상 속에 같은 객체가 있는지 확인하는 방식이다. 입력 받은 이미지를 확인하고 Grid cells로 나눈뒤, cell마다 하나의 객체를 예측한다. 그리고 인식 된 객체 중 가장 확률이 높은 객체를 바운더리 박스로 나타낸다. 이 과정에서 크게 두가지 알고리즘이 쓰인다. 1. IoU(Intersection of Union): 예측한 바운더리 박스와 실제 정답의 바운더리 박스의 합집합 분에..
학과 경진대회에서 사용하기 위해 찾은 모델이다. Mahotas 모듈을 이용하여 이미지 셋에서 유사한 이미지를 찾아준다. 그대로 사용하려해도 계속 오류가 떠서 수정하고 생략한 부분이 있다. Google Colab을 이용했다. 아직 다 이해하지는 못했지만 아는 부분이라도 기록하려 한다. https://github.com/luispedro/BuildingMachineLearningSystemsWithPython pip install numpy --upgrade pip install mahotas pip install imread 데이터 불러와서 리스트에 넣기 from glob import glob import mahotas as mh import numpy as np import matplotlib.pyplo..
