본문 바로가기
반응형

분류 전체보기239

[머신러닝 with Python] Prophet 모델 구현하기(시계열 예측) / Peyton Manning 웹 트래픽 데이터 활용 / [Google 코랩] 이번에는 지난 포스팅에 이어서 Prophet 모델에 대해서 알아보겠습니다. 지난번 포스팅에서는 주로 Prophet 모델과 라이브러리에 대해서 개념적으로 알아보았는데요[머신러닝 with Python] Prophet 모델 알아보기(시계열 예측) [머신러닝 with Python] Prophet 모델 알아보기(시계열 예측)이번에는 시계열 예측(Time Series Forecasting) 모델 중 라이브러리 형태로 쉽게 구현 가능하면서도 효과적인 Prophet  모델에 대해서 알아보겠습니다. Prophet은 (구) Facebook ( 현: Meta) 에서 만든 시계열jaylala.tistory.com  이번에는 실제 데이터를 활용해서 모델을 구현해보도록 하겠습니다. 1. Peyton Manning 웹 트래픽 데이.. 2025. 3. 2.
[Deep Learning with Python] 그래프 신경망(GNN)과 기존 신경망의 차이 - 이번 포스팅에서는 그래프 신경망과 기존 신경망의 차이점에 대해서 다뤄보고자 합니다. - GNN(Graph Neural Network)을 배우면서 왜 굳이 이런 방법을 사용해야할까? 라는 의구심이 드실수도 있으실 것 같은데요. 이에 대한 내용을 다루는 포스팅이 되겠습니다. 1. 그래프 신경망(GNN)과 기존 신경망의 차이- GNN은 기존 신경망(MLP, CNN, RNN, Transformer 등)이 처리하기 어려운 비유클리디안(Non-Euclidean) 데이터를 학습할 수 있도록 설계된 모델입니다. - 일반적인 신경망은 Euclidean 공간에서 샘플 간의 거리 또는 유사도를 기반으로 학습을 진행하지만, GNN은 노드(Node)와 엣지(Edge)로 표현되는 그래프 구조를 학습하여 이를 통해 연결성과 관.. 2025. 3. 2.
[딥러닝 with Python]Vision-Language Models(VLM)와 Data Curation의 중요성 - Vision-Language Models(VLM)은 이미지와 텍스트를 동시에 이해하고 처리하는 모델로, 대표적으로 Flamingo [Alayrac et al., 2022], MM1 [McKinzie et al., 2024] 등이 있습니다.  - 이러한 모델들이 높은 성능을 보이기 위해서는 고품질의 멀티모달 데이터가 필수적이며, 이를 보장하기 위해서는 체계적인 Data Curation(데이터 정제 및 선별 과정)이 필요합니다.- 이때, Data Curation은 단순한 데이터 수집을 넘어, 노이즈 제거, 데이터 정리, 라벨링 및 품질 평가 등의 과정을 포함합니다. 특히, VLM에서는 텍스트와 이미지의 **연계성(Alignment)**을 유지하면서, 학습에 적절한 데이터를 구축하는 것이 핵심 과제입니다... 2025. 3. 1.
[머신러닝 with Python] Prophet 모델 알아보기(시계열 예측) 이번에는 시계열 예측(Time Series Forecasting) 모델 중 라이브러리 형태로 쉽게 구현 가능하면서도 효과적인 Prophet  모델에 대해서 알아보겠습니다. Prophet은 (구) Facebook ( 현: Meta) 에서 만든 시계열 예측 모형입니다. [위 모델은 논문 "Forecasting at scale(2017, Tayloer et al.)"을 통해 공개되었습니다.]1. Prophet 모델  - Prophet은 Bayesian 구조 시계열(Bayesian Structural Time Series, BSTS) 모델을 기반으로 한 추세(Trend), 계절성(Seasonality), 공휴일 효과(Holiday Effects)를 결합하여 예측한 모델입니다. - Prophet의 경우, ARIM.. 2025. 3. 1.
반응형

티스토리툴바