각종 센서에서 수집되는 시계열 데이터는 머신러닝에 널리 사용되는 이미지나 범주형 데이터들과는 달리, 가변적인 길이를 가지고 있으며, 복합적인 모델 구조를 필요로 한다. 이 때문에 간단한 실습 수준의 딥러닝 모델을 만들기는 쉬우나, 성능을 향상시키는 것은 쉬운 일은 아니다. 본 강의에서는 기초 전처리, 모델 파라미터 조정, 앙상블 기법과 어텐션 메커니즘 등 시계열 데이터의 인식 성능 향상을 위해 시도해 볼 수 있는 여러 가지 기법을 간략히 설명한다. 

• Deep learning
• Time series data
• Complex model structure
• Categorical data
• Attention mechanisms

• BIOSIS LAB.

목록

  전체댓글 0

[로그인]

댓글 입력란

0/500자