Day_15 02. Image Classification & EDA

Image Classification & EDA

Overview

• 데이터와 한번 친해져 볼 시간 (Data Analysis)

  

• 이미지를 분류한다. 어떻게?

  

  • Input : 이미지
  • Output : 이미지의 Class

EDA (Exploratory Data Analysis)

EDA란?

• Exploratory(탐색적) Data(데이터) Analysis(분석)
  • 데이터를 이해하기 위한 노력
  • 데이터를 이해한다?
    • 이 사람이 이 데이터를 왜 줬을까?
    • 굳이 상금까지 내걸면서 이 사람이 무얼 나한테 요구하는거고 내가 뭘 Output 으로 내야하는걸까?를 Overview를 통해서 줬는데
    • 이런 내용 위에서 이 데이터가 어떤 특징이 있길래 어떤 부분이 어려웠는지 어떤 클래스를 하기가 어려웠고 Output을 내기가 어려웠는지를 검증해보고 Checking 해보고 확인해보는 시간

그런데, EDA에서 뭘 해야할 지 모르겠어요

• library import 하고 이 다음은..?

  

• 주어진 데이터에 대한 본인의 생각을 자유롭게 서술하시오. (50점)

  

  • 어떤 생각을 써가지고 스토리를 만들어내야 하는지 막막…..
  • 이렇게 잘 하는 사람의 EDA는 우리가 바로 할 수 없다.
  • 분석을 하는데 있어서 무엇이 필요한지를 생각해보는게 중요하다

사실, EDA의 진짜 목적은..

• 진짜로 여러분이 궁금한 건 뭐에요?

  

• 거창한 EDA를 만드는게 목표가 아니다.
• 데이터에 대해 궁금한 점, 의견, 다양한 생각을 검증해보는 것
• EDA의 목적은 궁금한 걸 알아보는 것

결국, 다시 돌아오게 될 것

• 도중에도 떠오르는 아이디어 때문에 다시금 확인해볼 필요가 생기기도 한다.

그러니, 처음에는 정말 아무렇게나 해보세요.

• 자신있게 아무거나 해볼 것

Image Classification

Image

• 시각적 인식을 표현한 인공물(Artifact)

  

• 컴퓨터가 Image 를 이해하는 방식을 어느정도 알고 있어야지 Image 를 넣어서 모델링을 하고 결과적으로 Class 를 만들어내는 것까지 생각해 볼 수 있을 것
• RGB 하나당 0~255까지의 데이터로 표현

Model

• Input + Model = Output

  

Image Classification Model

• Image + Classification Model = Class

  

Baseline

Baseline

• 베이스라인 코드는 강의를 거듭할 수록 점점 내용이 더해질 예정

  

강의를 본 후, 직접 코드를 작성해 보고, 예시 코드(혹은 자료)와 비교해 보는 것을 추천