검증용 모델 학습 조건 설정하기
검증용 모델 학습 조건 설정하기
학습이 시작되고 난 이후에는 모델 학습 조건 설정의 수정이 불가합니다.
1. 학습 우선순위 여부
학습 대기열의 다른 프로젝트보다 먼저 학습이 시작되도록 우선순위를 설정합니다.
2. 학습 GPU 설정
검증용 인공지능 모델 학습에 사용할 GPU를 설정합니다.
3. 학습형태
검증용 인공지능 모델의 학습 형태 설정합니다. 검증하고자 하는 학습용 데이터셋의 유형에 따라 달라집니다.
| CSV | ZIP |
|---|---|
정형 데이터 분류 | 이미지 분류 |
정형 데이터 카테고리 분류(Classification) | 물체 인식 |
정형 데이터 연속값 분류(Regression) | |
자연어 | |
추천 시스템(매트릭스) |
4. 선호하는 방식
검증용 인공지능 모델의 학습 방식을 설정할 수 있습니다.
코드 생성 Jupyter에 붙여넣기만으로 바로 학습을 시작할 수 있는 학습 코드를 생성합니다.
정확도가 높게 학습속도는 느리지만 보다 정확한 모델을 학습하는 방식입니다. 하이퍼파라미터를 세밀하게 분할하여 다양한 검증용 모델을 학습하고, 높은 수준의 데이터셋 검증 정확도를 얻을 수 있습니다.
학습속도가 빠르게 보다 빠르게 모델을 학습하여 모델을 확인할 수 있는 방식입니다. 정확도가 높게 방식에 비해 간소화된 하이퍼파라미터를 분할하여 검증용 모델을 학습하, 신속하게 데이터셋 검증 결과를 확인할 수 있습니다.
수동 설정 머신러닝 알고리즘과 하이퍼파라미터를 직접 수동 설정하여 학습할 수 있는 방식이며, 전문가 수준의 핸들링 기술을 바탕으로 데이터셋을 검증해야 하는 경우에 적합합니다.
5. 분석/예측하고 싶은 값
검증하고자 하는 데이터셋의 검증용 인공지능 모델이 예측해야 하는 정답 데이터(예측 결과값)에 해당하는 Column을 설정할 수 있습니다.
6. 알고리즘 설정(코드 생성/수동 설정)
검증용 인공지능 모델 학습에 사용할 알고리즘 라이브러리를 선택합니다.
page알고리즘 설정7. 하이퍼파라미터 설정(코드 생성/수동 설정)
하이퍼파라미터 값을 직접 조정할 수 있습니다. 각 입력창에서 Enter를 눌러 다중 값을 입력할 수 있습니다.
8. 학습데이터 사용여부
데이터의 속성(Column)별 학습 사용여부를 확인하고 제외할 속성이 있다면 학습데이터 사용여부를 비활성화합니다.
9. 전처리
데이터의 속성(Column)별 데이터 전처리가 필요하다면 해당하는 속성의 전처리 옵션을 체크하고 데이터 정보 테이블 상단의 전처리하기 버튼을 클릭합니다.
데이터 클렌징 데이터 값이 n개 미만인 유니크 값을 가진 경우, 해당 행(Row)을 모두 삭제합니다.
이상값 제거 유니크값이 해당 속성 전체 값 중 n% 이상을 차지하는 경우, 해당 열(Column)을 삭제합니다.
데이터 치환 비어있는 값을 n으로 채웁니다 // 비어있는 값이 있는 행(Row)을 모두 삭제합니다.
다른 질문이 있으신가요? [email protected]로 문의주시면 도움을 드립니다.
Last updated
