TIL

schema.py 에 Pydantic 모델을 사용하여 요청 및 응답 스키마를 정의 예시: from pydantic import BaseModel from typing import Optional class JapaneseBase(BaseModel): type: Optional[str] = None letter: str pronounciation: str audio: Optional[str] = None lesson: Optional[int] = None img: Optional[str] = None # 선택적 필드 vid: Optional[str] = None # 선택적 필드 class JapaneseCreate(JapaneseBase): pass 다시 routers/ 폴더의 해당 파일로가서, 라우터에 ..

간단한 긍부정 이진 분류 모델을 만들었다. 전체코드는 깃헙에서 볼 수 있다! https://github.com/Juyoung-b/Improving-the-Performance-of-Sentiment-Classification GitHub - Juyoung-b/Improving-the-Performance-of-Sentiment-Classification Contribute to Juyoung-b/Improving-the-Performance-of-Sentiment-Classification development by creating an account on GitHub. github.com 영어로 된 레스토랑 리뷰를 가지고, 긍정(1), 부정(0)으로 분류하는 간단한 task 모델이다. 이번 프로젝트에선..

작업 인원 : 1명, 소요기간 : 1일, 작업환경 : google colab, python, KoBERT, 데이터 : 뉴스기사 텍스크와 해당 카테고리 정확도 0.847, F1 Score - 0.845 자연어처리에서 분류에 사용되는 모델은 간단한 RNN, LSTM부터 BERT , 등 다양한 모델이 있습니다. 이번에는 KoBERT를 사용해서 Fine-tuning해보았는데, KoBERT는 BERT에 한국어 데이터를 추가로 더 학습시킨 모델로 한국어에 더 좋은 성능을 보이는 것이 특징입니다. 아래 링크에서 모델을 볼 수 있습니다. https://github.com/SKTBrain/KoBERT 분류 카테고리는 총 6가지 입니다. ('경제', '사회', '생활', '스포츠', '연예/문화', '정치') 실행 전 코..

https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud Credit Card Fraud Detection Anonymized credit card transactions labeled as fraudulent or genuine www.kaggle.com 대회문제: 상단 링크 로지스틱 회귀를 공부하고, 실제로 적용해보고 싶어서 캐글에서 문제를 하나 골라 풀어봤다. 신용카드 거래가 사기거래인지, 정상거래인지 식별하는 문제로, 카드사가 이상 있는 카드 거래를 인식 하여 고객이 구매하지 않은 항목에 대해서는 비용이 청구되지 않도록 하는 것이 목표이다. 데이터 셋은 이틀치 거래로, 248,807건의 거래중 492건의 사기가 있다. Class칼럼에 0,1로 표기되어있다..

https://www.kaggle.com/competitions/store-sales-time-series-forecasting Store Sales - Time Series Forecasting | Kaggle www.kaggle.com 대회 개요 - 에콰도르에 위치한 Favorita 매장에서 판매되는 수천 개의 제품군의 매출을 예측 데이터 셋,변수 설명 1. train.csv - store_nbr : 제품이 판매되는 스토어 id family : 판매되는 제품의 종류 더보기 ( ['AUTOMOTIVE', 'BABY CARE', 'BEAUTY', 'BEVERAGES', 'BOOKS', 'BREAD/BAKERY', 'CELEBRATION', 'CLEANING', 'DAIRY', 'DELI', 'EGGS',..