Fellowship.ai 비디오 제출

목차

🌟 소개

• 소개
• 학업과 경력
• 동기
• 이점

📚 프로젝트 소개

• Kaggle 노트북
• GitHub 저장소

🛠 데이터 전처리

• HTML 시퀀스 제거
• 구두점 및 불용어 제거
• 단어 표준화

🧠 모델 구축

• LSTM 모델 설계
• 임베딩 벡터 활용
• 모델 학습 및 평가
• 모델 성능 개선 방법

💡 개선 방안

• 전통적인 특성 활용
• 어텐션 메커니즘 추가
• 문맥 정보 반영

📈 성능 향상을 위한 노력

• 문장 및 단어 간 의미 정보 활용
• 데이터 정규화

❓ 자주 묻는 질문

• Q: 모델의 최종 정확도는 얼마인가요?
• Q: 어떻게 모델을 개선할 수 있을까요?
• Q: 다른 데이터셋에서도 모델을 적용할 수 있나요?

🌟 소개

Costa Mishra입니다. 저의 동영상은 fellowshop.ai 신청을 위한 제 동영상 제출입니다. 제 이름은 Costa Mishra이며 현재 뉴욕 대학교 일반 공학 학부에서 컴퓨터 공학 석사 과정을 이수하고 있습니다. 학부 과정은 인도의 Nit Soldier에서 전자 및 계측 공학을 전공했습니다.

소개

저는 지식을 실제 세계의 문제에 기여하고 긍정적이고 의미 있는 영향을 주기 위한 욕망으로 크게 동기부여됩니다. Fellowshop.ai에 참여하는 것은 제 직업적 포부와 완벽하게 일치한다고 생각합니다.

학업과 경력

뉴욕 대학교에서의 과정을 통해 머신 러닝 및 딥 러닝 프로젝트에 참여하였습니다. 그러나 대부분의 프로젝트는 학문적인 관점에서 이루어졌습니다.

동기

이 인턴십은 실제 세계의 문제에 대처하고 현재 부족한 산업 경험을 얻을 기회를 제공하기 때문에 저에게 매우 유익할 것으로 기대합니다.

이점

Fellowship.ai는 저에게 동료와의 연결과 함께 비슷한 사고방식을 가진 사람들로부터 배울 기회를 제공합니다. 또한 제 기술과 재능을 선보일 수 있는 플랫폼을 제공하며, 이를 통해 지역 사회의 사람들을 돕고 함께 배우는 기회를 얻을 수 있습니다.

📚 프로젝트 소개

Kaggle 노트북

Kaggle에서 감성 분석을 수행하는 노트북을 작성하였습니다. Kaggle은 GPU를 제공하는 플랫폼으로 데이터가 이미 제공되어 편리하게 작업할 수 있었습니다.

GitHub 저장소

제출에 포함된 GitHub 저장소에는 Kaggle 노트북의 링크가 포함되어 있습니다. 이를 통해 작업 내용과 결과물을 확인할 수 있습니다.

🛠 데이터 전처리

HTML 시퀀스 제거

데이터에서 의미 없는 HTML 시퀀스를 제거하였습니다.

구두점 및 불용어 제거

구두점과 불용어를 제거하여 데이터를 정제하였습니다.

단어 표준화

데이터를 표준화하기 위해 단어를 정규화하였습니다.

🧠 모델 구축

LSTM 모델 설계

128개의 LSTM 셀로 구성된 모델을 설계하였습니다.

임베딩 벡터 활용

사전 훈련된 단어 벡터를 활용하여 임베딩을 수행하였습니다.

모델 학습 및 평가

테스트 데이터로 약 87.3%의 정확도를 달성하였습니다.

모델 성능 개선 방법

전통적인 특성 및 어텐션 메커니즘을 추가하여 모델의 성능을 향상시킬 수 있습니다.

💡 개선 방안

전통적인 특성 활용

기존의 특성을 활용하여 모델을 개선할 수 있습니다.

어텐션 메커니즘 추가

어텐션 메커니즘을 추가하여 모델의 성능을 향상시킬 수 있습니다.

문맥 정보 반영

문장 및 단어 간의 의미 정보를 반영하여 모델을 개선할 수 있습니다.

📈 성능 향상을 위한 노력

문장 및 단어 간 의미 정보 활용

문장 및 단어 간의 의미 정보를 활용하여 모델의 성능을 향상시킬 수 있습니다