mingdoremi 님의 블로그

안녕하세요! 오늘은 본캠프 70일차입니다!!벌써 70일차네요!!! 오늘은 스팟파이어 세션과 머신러닝 강의를 들었습니다! 1. Filtering (필터링)데이터 탐색의 첫걸음, 스마트한 데이터 선별주요 특징시각화 기반 필터링: 차트나 그래프에서 직접 데이터를 선택하여 즉시 필터 적용다양한 필터 옵션:범위 슬라이더필터 패널텍스트 검색범위 선택2. Marking (마킹)데이터 포인트를 시각적으로 강조하는 인터랙티브 기능주요 특징색상 코딩: 특정 데이터 그룹을 다른 색상으로 표시크로스 하이라이트: 한 차트에서 선택한 데이터가 다른 모든 차트에서 동시에 강조임시 선택: 분석 중 특정 데이터 포인트를 일시적으로 마킹실무 활용이상치(Outlier) 탐지 및 분석특정 고객군 또는 제품군 비교 분석다차원 데이터의 연관성..

안녕하세요! 오늘은 본캠프 69일차입니다! 오늘도 공모전 준비를 하며 간간히 강의를 들었습니다! 이미지 데이터와 불량검출 1회차입니다! 머신러닝 vs 딥러닝 차이점사람의 개입 여부머신러닝: 주어진 데이터를 인간이 처리합니다. 사람이 먼저 컴퓨터에 특정 패턴을 추출하는 방법을 지시하고, 그 이후 컴퓨터가 스스로 데이터의 특징을 분석하고 축적합니다.딥러닝: 컴퓨터가 스스로 데이터를 기반으로 학습할 수 있도록 정해진 신경망을 컴퓨터에게 주고, 경험 중심으로 학습을 수행합니다.퍼셉트론퍼셉트론: 뉴런 작동 방식에서 착안한 가장 기초적인 형태의 인공 신경망 모델구성요소: 인풋(input), 가중치(connection weight), 편향(bias), 합(sum), 활성화함수(Activation Function)퍼셉..

안녕하세요! 오늘은 본캠프 68일차입니다!저번주에 실전 프로젝트가 끝나고머신러닝 활용 품질관리 주차가 시작되었습니다!오늘은 스팟파이어 강의가 있었습니다!스팟파이어는 윈도우에 특화되어있어서 맥북은 클라우드 환경에서 하는 것이 더 안정적이라고 하더라구요! 클라우드 환경은 데스크탑 환경보다 제한된 부분이 많아서 아쉬워요...! TIBCO Spotfire 소개Spotfire란?비즈니스 인텔리전스 및 데이터 시각화 플랫폼실시간 데이터 분석 및 인사이트 도출 도구Self-Service Analytics 지원주요 특징In-Memory 데이터 처리로 빠른 분석다양한 데이터 소스 연결 지원예측 분석 및 통계 기능 내장대화형(Interactive) 대시보드 구현활용 분야비즈니스 성과 모니터링제조업 품질 관리의료/제약 데이..

안녕하세요! 오늘은 본캠프 67일차입니다! 오늘은 발표날이었습니당!!! 저희 대시보드 만든 거 보여드릴게요! 태블로로 만든 반도체 공정 대시보드입니당!각 공정별 결함유형별로 결함 분포도 보이고 웨이퍼맵으로 결함도 나타냈습니다! 스트림릿 입니다!이렇게 만들었습니다!! 오늘도 수고하셨습니다!!!!

안녕하세요! 오늘은 본캠프 66일차입니다!! 오늘 피피티랑 대시보드를 마무리했어요!!!! 피피티랑 스트림릿을 손 봤는데 조금조금씩 고치다보니까 완전 다른 결과물이 나왔어요 ㅋㅋㅋㅋ내일 발표라서 내일 어떻게 나왔는지 보여드릴게요! 오늘도 수고하셨습니다!!

안녕하세요! 오늘은 본캠프 65일차입니다! 오늘은 어제 말했다시피 대시보드와 결과보고서를 마무리를 지으려고 했습니다!!마무리가 되었다고 생각했는데 튜터님께 다시 피드백 받아보니 또 고칠 부분이 생겨서내일 다시 대시보드와 결과보고서를 마무리 지어야할 것 같아요! 새로운 스트림릿 대시보드를 구현했는데 데이터를 업데이트 할 때마다 데이터 값이 바뀌고 모니터링 할 수 있어서 멋진 대시보드가 나온 것 같아요!내일 좀 더 이쁘게 바꾸면 될 것 같아요!! 오늘도 수고하셨습니다~!!!!

안녕하세요! 오늘은 본캠프 64일차입니다! 오늘도 결과보고서를 작성하고! 대시보드를 제작하고 있습니다! 태블로로 대시보드를 만들었는데 저희가 원하는 대로 잘 만들어진 것 같아 뿌듯합니다!!! 결과보고서는 내일 또 다시 추가하고 수정하면 될 것 같아요!! 오늘도 수고하셨습니다!

안녕하세요! 오늘은 본 캠프 63일차입니다! 오늘은 결과보고서 흐름을 잡고 결과보고서를 작성 시작했습니다!대시보드도 어떤 걸 넣을지, 어떻게 시각화 할 지에 대해서도 이야기를 나눠보고 대시보드도 시작했습니다! 프로젝트 기간은 시간이 부족해서 TIL작성하기가 어려운 것 같아요... ㅜ.ㅜ 오늘도 수고하셨습니다~!!!!

안녕하세요! 오늘은 본캠프 62일차입니다! 오늘은 불량 예측모델 머신러닝 다시 돌려보고 결함유형 얘측모델 머신러닝을 돌려보았습니다!! 불량 예측모델 (recall 값 기준)LightGBM: 0.803 / 0.954XGBoost: 0.808 / 0.946Random Forest: 0.834 / 0.953LogisticRegression: 0.125 / 0.993 결함유형 분류모델(macro avg f1- score)LightGBM: 0.700XGBoost: 0.716 smote 적용Random Forest: 0.7660 - SMOTELogisticRegression: 0.53 둘 다 랜덤포레스트 값이 가장 잘 나와서 랜덤포레스트 위주로 보기로 했어요! 그리고 내일부터는 피피티랑 대시보드를 만들어볼 생각인데..

안녕하세요! 오늘은 본캠프 61일차입니다!정확도(Accuracy)0.90 → 전체 데이터 중 약 90%를 올바르게 예측불량/정상 모두 균형 있게 잘 맞추고 있음ROC-AUC Score0.9617 → 클래스 불균형과 상관없이 분류 경계 성능 평가1에 가까울수록 완벽, 0.96은 매우 우수한 수준클래스 0 (정상)Precision: 0.93 → 정상이라고 예측한 것 중 93%가 실제 정상Recall: 0.83 → 실제 정상 중 83%를 올바르게 예측F1-score: 0.88 → 정밀도와 재현율 모두 균형 잡힘클래스 1 (불량)Precision: 0.88 → 불량이라고 예측한 것 중 88%가 실제 불량Recall: 0.95 → 실제 불량 중 95%를 올바르게 예측F1-score: 0.91 → 불량 탐지에 특히..