Page 10.
-
앙상블 학습(ensemble learning)으로 알고리즘 성능 개선하기(2) - Bagging
Bagging 기반의 앙상블(ensemble) 기법은 이미 널리 사용되고 있는 랜덤포레스트(RandomForest) 알고리즘이 바로 그 대표적인 예 입니다.
-
앙상블 학습(ensemble learning)으로 알고리즘 성능 개선하기(1) - Voting
Kaggle의 상위 솔루션들만 봐도 알겠지만, 단일 모델로는 어느 정도 성능을 극으로 끌어올리기는 한계가 있습니다. 그렇기 때문에 거의 모든 상위권에 랭크되는 솔루션들을 살펴보면 앙상블 학습(emsemble learning)으로 랭크를 올리는 모습을 볼 수...
-
Tensorflow, Keras, Pytorch GPU 사용여부 체크하기
딥러닝 프레임워크에서 GPU 사용여부를 체크할 수 있는 API에 대하여 알려드리도록 하겠습니다.
-
Ubuntu 18.04 CUDA 10.2 에서 10.0으로 Downgrade 하기
Ubuntu 18.04 환경을 기준으로 CUDA 10.2 에서 CUDA 10.0으로 clean 삭제 후 재설치 하는 과정에 대한 내용입니다.
-
Kaggle(캐글) API 사용법 - 데이터셋 다운로드와 제출을 손쉽게
local 환경의 jupyter notebook 에서 작업을 한 뒤 Kaggle에 제출할 때면, 다음과 같은 상황마다 번거로운 순간들이 있습니다.
-
더 나은 딥러닝/머신러닝 서버 환경을 위하여 지금 바로 메모리에 투자하세요.
얼마 전, 개인용 딥러닝 서버에 문제가 생겨서 용산을 방문했습니다.
-
ubuntu에서 패키지 설치시 mirror를 kakao로 변경하는 방법
ubuntu 환경에서 패키지 설치시 (특히 apt-get을 이용한 패키지 설치시) 에러가 나는 경우가 있는데, 이는 보통 mirror 사이트를 변경해주는 것으로 해결할 수 있다.
-
딥러닝 PC에 Ubuntu 18.04 설치 후 CUDA 10, cuDNN 설치하기
Amazon AWS에서 좋은 GPU 자원으로 딥러닝을 돌리다보니 요금폭탄을 맞았습니다.. 그래서 이참에 딥러닝 PC를 구매를 하게 되었고 딥러닝 서버를 위한 CUDA 및 cuDNN까지 설치하는 방법에 대하여 알려드리고자 합니다.
-
git clean으로 untracked files 제거하기
git의 untracked files에 단 2개의 명령어로 clean하기 전에 확인하는 방법과 실제 clean하는 방법을 공유드리고자 합니다.
-
Kaggle(캐글) 타이타닉 생존자 예측 81% 이상 달성하기
캐글(Kaggle)의 대표적인 입문용 데이터 분석 경진대회인 타이타닉 생존자 예측 (Titanic: Machine Learning from Disaster) 에서 81% 이상의 정확도를 기록하여 상위 5% 안에 들 수 있는 Solution을 공유하고자 합니다.