코딩하는 애옹😸

👍 좋았던 것 다시 최종프로젝트를 끄적끄적하기 시작한 것 다양한 loss function과 hyper-parameter를 비교실험한 것 👎 아쉬운 것 아직 강의를 다 듣지 못함 팀원들이 난관에 봉착했을 때 도와주지 못했던 것 🚀 도전할 것 K-fold, Augmentation, 새로운 모델 사용해보기, Ensemble 최종 프로젝트! ❗️느낀점 전략적으로 모델을 선택해서 대회를 임하기에는 지식이 부족하다고 생각하는데, 다행히도 운이 따라줘서 다양한 실험을 할 수 있었음 그래도 하나씩 아는 것이 늘어가서 해보고 싶은 실험들이 많아짐

👍 좋았던 것 강의에서 새로운 모델에 대해 설명을 들은 것 (개인) 스터디 참석과 알고리즘 문제 꾸준히 풀었음 👎 아쉬운 것 대회를 시작하고 나서 약간의 조급함이 생김 최종 프로젝트를 생각하지 못함 🚀 도전할 것 여러 모델 돌려보고 비교하기! 최종 프로젝트 준비하기! ❗️느낀점 이제 슬슬 앞으로의 계획을 세워야 할 것 같..음....

👍 좋았던 것 오류를 해결하고 모델을 잘 돌린 것 hyper-parameter tuning을 해본 것!! 👎 아쉬운 것 시간 관리 🚀 도전할 것 다음 대회 준비하기! 최종 프로젝트 준비하기! ❗️느낀점 예전에는 언제 수료하나 막막했었는데, 이제는 시간 가는게 아쉬움

AI model serving을 위해 빠르게 데모페이지를 만들 수 있다는 것이 가장 큰 장점입니다.. GitHub 공식 문서 설치하기 먼저 가상환경을 설치합니다. Streamlit은 Windows는 Anaconda를, Max/Linux는 Pipenv를 공식적으로 지원한다고 하네요. Install Pipenv pip3 install pipenv pipenv에 streamlit을 설치합니다. 원하는 폴더로 이동 후, pipenv install streamlit 잘 깔렸는 지 확인해봅시다. Pipenv shell 활성화 pipenv shell Streamlit 활성화 streamlit hello 이메일 입력하면 어쩌고 저쩌고 뜬 후에 http://localhost:8501 로 이동하면 데모 페이지가 생성된 것..

👍 좋았던 것 개인적으로 계획했던 것을 이룸 컨디션 유지 팀원들과 최종 프로젝트에 대해 토론한 것 처음보다 논문 읽는 속도나 이해도가 좋아졌다고 느낌 👎 아쉬운 것 강의를 빠르게 듣지 못한 것 🚀 도전할 것 꾸준히 GPU 돌리기 대회에 대해 꼼꼼하게 공부하기 대회에 대한 계획 세우기 ❗️느낀점 최종 프로젝트 얘기를 나누다 보니.. 벌써 설렘.. 이미 재밌음..

👍 좋았던 것 대회 내내 여러 모델을 써볼 수 있어서 좋았음 GPU를 쉬지 않고 꾸준히 돌렸음 지난 대회보다는 팀에게 도움이 됐다고 생각함 밖에 나옴 👎 아쉬운 것 여러 모델을 쓰기 했지만 hyper tuning, data agumentation 등을 많이 써보지 못해서 아쉬움 🚀 도전할 것 SDEdit 논문 읽기 회고록 구체적으로 쓰기 ❗️느낀점 정말정말 많은 걸 느끼게 해준 대회.. 조금 더 도전적으로 해봐도 될 것 같음 다음 대회에는 기록하는 것을 미루지 않기로..🤙