안녕하세요, 선생님. 영상에서 실시간 객체 탐지가 가능한 semantic segmentation모델을 개발하고싶습니다.보통 mask r-cnn에서 처리속도가 5fps라고 하는데 강의에서 제공된 mask r-cnn도 처리속도가 5fps인가요? 모델의 이러한 영상 처리속도는 어떻게 알 수 있나요?처리속도를 높이려면 어떻게 해야하나요?감사합니다.

 실습 불균형 데이터 세트 샘플링이 template_001 이라고 하셨는데 내용이 전혀 다릅니다. 다음 실습 KNN도 다르고요 지금 깃헙의 샘플 소스와 진행하시는 강의가 전혀 다른데요;; 깃헙 링크를 잘못올리신거 아닌가 싶네요

강의 자료 부탁 드리겠습니다.mue@naver.com

개정 시험 반영된 것 맞나요?

환경(GridWorld.exe)에서 학습하는 모습도 잘 나오고,터미널에서 학습 진행도 잘 되고,tensorboard에서 학습결과 그래프도 잘 나오는데요,정작 학습결과의 내용에서 score가 너무 낮게 나와요.학습이 잘 안 되고 있다는 뜻이겠죠.어디를 손 봐야 좋은 걸까요?DQN, A2C 모두 마찬가지입니다.pytorch 버전이 너무 낮아서 그런가 싶어서 높여줘도 마찬가지고요.(1.6.0 -> 1.12.1)tensorboard의 제 학습 결과 화면입니다.DQN 학습결과A2C 학습결과 

교수님 안녕하세요. OpenCV를 통해 영상 처리를 진행하는 과정에서 문제가 발생해 질문 드립니다.import cv2 video_input_path = './data/Night_Day_Chase.mp4' video_output_path = './data/Night_Day_Chase_out.mp4' cap = cv2.VideoCapture(video_input_path) codec = cv2.VideoWriter_fourcc(*'XVID') vid_size = (round(cap.get(cv2.CAP_PROP_FRAME_WIDTH)),round(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))) #(200, 400) -> (열, 행) vid_fps = cap.get(cv2.CAP_PROP_FPS ) vid_writer = cv2.VideoWriter(video_output_path, codec, vid_fps, vid_size) frame_cnt = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) print('총 Frame 갯수:', frame_cnt, 'FPS:', round(vid_fps), 'Frame 크기:', vid_size)위의 코드를 실행시켰을 때 다음과 같은 결과 값이 출력됩니다.위의 결과 값을 보고 미리 저장해두었던 Night_Day_Chase.mp4 파일을 확인해본 결과, 주피터노트북 상에서는 영상이 아예 실행되지 않지만, local 노트북 자체에서는 영상이 정상적으로 실행됨을 확인할 수 있었습니다. 아래에 주피터 노트북 화면과, 주피터 노트북에서 영상 실행 시 나타나는 화면 사진 첨부합니다.주피터 노트북 자체의 문제일까요? 어떤 점이 문제인지 명확히 파악이 안됩니다.조언 해주시면 감사하겠습니다. 현재 제 개발환경은 다음과 같습니다.Mac Ventura 13.1jupyter notebook 6.5.4OpenCV 4.5.1Python 3.9.0 감사합니다 :)

책을 먼저 사서 책 보고 따라하던 중 막혀서, 급하게 강의 등록하고 질문 드립니다.이렇게 좋은 책과 강의에 우선 감사드립니다.오류 문구는 다음과 같습니다.사용 패키지들의 버전을 다음과 같습니다.책 보고 따라 작성한 코드로 이런 현상이 있어서, github에서 다운 받은 파일로 해도 동일 증상입니다.저의 유니티 상의 설정은 다음과 같습니다. 해결에 도움 주시면 감사하겠습니다.  

데이터로 딥러닝 적용해보기(당뇨병 환자 데이터) 강의에서 질문입니다.해당 강의 11:00 부분에서 입출력 차원의 수를 각각 9와 1로 정해주었습니다.이때, 모델에서의 계산 과정을 아래와 같이 이해하였습니다.우선, 전체 학습 데이터는 (442, 9) 형태이고, 가중치는 (9, 1) 형태이므로(442, 9) x (9, 1) -> (442, 1) 형태가 되고 여기에 (1) 의 형태를 가진 편향을 더해주면서 브로드캐스팅을 거쳐(442, 1) + (1) -> (442, 1) 형태가 되는 것으로 이해하였습니다. 제가 생각한 계산 과정이 맞는지 궁금합니다!감사합니다.

안녕하세요 강사님, 강사님 강의를 통해 분류 및 회귀 (지도학습)에 대해 공부하며 도움을 많이 받았습니다.머신러닝 완벽 가이드에 소개된 비지도학습 내용 외에, 만들어두신 다른 강의에서 비지도학습에 대한 심화적인 학습이 가능한 것이 있을까요???"캐글 Advanced 머신러닝 실전 박치기" 강의를 눈여겨보고 있는데, 해당 강의에서 비지도 학습을 이용하여 문제를 해결하는지 여부에 대해서 알지 못하여 이렇게 문의드립니다.!감사합니다.

머신러닝 적용을 위한 Feature Engineering 강의 10:10 부분에서 질문 드립니다!이번 강의에서는 RMSLE 계산을 위해 아래와 같이 함수를 만들었습니다.def get_rmsle(y_actual, y_pred): diff = np.log(y_pred + 1) - np.log(y_actual + 1) mean_error = np.square(diff).mean() return np.sqrt(mean_error) 그리고 이를 rmsle_scorer 객체로 만든 후rmsle_scorer = make_scorer(get_rmsle, greater_is_better=False)GridSearchCV 의 scoring에 넣어줬는데요,lasso_grid=GridSearchCV(estimator = Lasso(), param_grid = hyperparams, verbose=True, scoring=rmsle_scorer, cv=5, n_jobs=-1) 전에 강의에서는 RMSLE를 계산하기 위해 아래와 같은 과정을 거쳤던 것이 생각났습니다.from sklearn.metrics import mean_squared_log_error print("RMSLE:", np.sqrt(mean_squared_log_error(y_true, y_pred)))  이번 강의에서 np.sqrt(mean_squared_log_error(y_true, y_pred)) 를 사용하지 않고, RMSLE를 계산하기 위한 함수를 따로 만든 이유는 GridSearchCV의 scoring에 적용을 하기 위함이라고 이해하면 되는 것인지 궁금합니다! 그리고, 함수를 필수적으로 만들어야 한다면def get_rmsle(y_actual, y_pred): return np.sqrt(mean_squared_log_error(y_true, y_pred)) 와 같은 형식으로 함수를 만들 수도 있는 것인지 여쭙고 싶습니다!

머신러닝 적용을 위한 Feature Engineering 강의 8:20 부분에서 질문입니다!!EDA를 통해 humidity와 대여량의 관계를 그래프로 파악했을 때, humidity가 70 이상일 때 대여량이 크게 감소하는 것을 파악했고, 이를 기반으로 humid 컬럼을 만들었습니다.이때, humid 컬럼의 값이 1 이면 humidity가 70 이상으로, 습한 날씨이며, 결국 자전거를 타기에 '좋은 날씨는 아니다 '라는 의미로 이해를 하였는데요위에서 fit 컬럼을 만들 때에는 값이 1일 때, 자전거를 타기 '좋은 날씨이다' 라고 표현을 하였던 것과 반대라는 것이 눈에 띄었습니다.이렇게 feature engineering을 진행할 때, 척도의 의미가 컬럼별로 달라도 관계가 없는 것인지 궁금합니다!!보통 설문지 문항에서 척도의 의미가 다른 경우, 역코딩을 했던 기억이 있는데, 머신러닝의 경우에는 다른 것인지 여쭙고 싶습니다..! 

knn_model = KNeighborsClassifier() logreg_model = LogisticRegression() svc_model = SVC() decision_model = DecisionTreeClassifier() random_model = RandomForestClassifier() extra_model = ExtraTreesClassifier() gbm_model = GradientBoostingClassifier() nb_model = GaussianNB() xgb_model = XGBClassifier(eval_metric='logloss') lgbm_model = LGBMClassifier() models = [ knn_model, logreg_model, svc_model, decision_model, random_model, extra_model, gbm_model, nb_model, xgb_model, lgbm_model ] k_fold = KFold(n_splits=10, shuffle=True, random_state=0) # K-Fold 사용 results = dict() for alg in models: alg.fit(X_train, y_train) score = cross_val_score(alg, X_train, y_train.values.ravel(), cv=k_fold, scoring='accuracy') results[alg.__class__.__name__] = np.mean(score)*100 위 코드를 실행한 후 results를 출력해보면 아래처럼 KNeighborsClassifier 모델만 nan값이 나오는데 그 이유를 모르겠습니다..  혹시 몰라 아래 코드처럼neighbor 수를 지정해서 돌려봐도 nan 결과가 뜨는데 이유가 있을까요...??다른 모델들도 다 안되면 데이터 문제인가 싶을텐데, knn 모델만 그래서 원인이 감이 잡히지 않습니다ㅜ knn_model = KNeighborsClassifier(n_neighbors = 3)

커밋 메시지가 뭔가요?git commit -m "project init" 에서"project init" 대신 다른 것을 써넣어도 작동하나요?"project init" 이 어떤 역할을 하는지 잘 모르겠습니다.

수강평 작성 완료했습니다.jaewon0002@gmail.com으로 강의 자료 부탁드립니다.

오토인코더 예시에서 ReLu대신에 sigmoid를 사용하는 이유는 무엇인가요?

첫번째 사진처럼 너무 길게 출력되어 밑에 사진처럼 변경하고 싶은데 어떻게 변경하나요? 플랫폼은 캐글 사용중입니다.

안녕하세요.좋은 강의 올려주셔서 항상 감사하게 보고 있습니다.파이썬 코드로 학습 코드를 작성할때 싱글에이전트만 고려한다고 하셨는데 멀티에이전트를 위한 코드를 작성하려면 바뀌는 부분이 많이 있나요?멀티에이전트를 위해서 코드를 수정한다면 참고할 수 있는 자료가 있을까요?적용하고 싶은 알고리즘은 ppo 입니다.감사합니다!

config.nms_configs.score_thresh = 0.4 이렇게 설정했기 때문에 confidence score가 0.4 밑인 것을 걸러낸다고 하셨습니다. 제가 알고 있기로는 nms에서 threshold값을 0.4로 준다는 것은 confidence score을 내림차순으로 정렬하고 iou가 threshold 이상인 값을 삭제한다고 알고 있었습니다만 AutoML에서 말하는 confidence score는 다른 의미인가요?

선생님 안녕하세요.강의 잘 듣고 있습니다.여기에선 y값이 'Global~' 하나 인데현업에서는 y값이 여러 개일 경우가 많은데, 그럴 때는 y_raw_data 컬럼을 어떻게 설정해주나요?

이렇게 강의에 나오는 수치와 다르네요왜그런거죠?