폴더 열기
채팅을 열고 작업 폴더를 프로젝트 루트로 설정하세요.
워크플로우
간단한 머신러닝 프로젝트
03
캡스톤 프로젝트 준비하기
작은 데이터셋과 명확한 목표로 시작하세요. 에이전트를 활용해 파일 목록을 확인하고, 데이터를 읽으며, 베이스라인 스크립트를 실행하세요. 채팅 카드에서 결과를 확인하세요. "데이터 과학 프로젝트용 데이터셋 찾기"를 검색해, 자신이 소유하거나 라이선스 하에 사용할 수 있는 작은 데이터셋으로 실력을 연습할 수 있습니다.
파일 목록 확인
list_dir을 실행해 현재 폴더 구조를 확인하고 데이터 파일이 존재하는지 검증하세요.
데이터 읽기
read_file을 사용해 CSV 데이터셋의 처음 몇 줄을 확인하세요.
베이스라인 실행
Shell에서 베이스라인 스크립트를 실행하고, 종료 코드를 확인해 성공 여부를 검증하세요.
베이스라인 스크립트 예시
베이스라인 스크립트를 실행하고 정확도 결과를 보여주세요.
- Shell
python baseline.pyexit 0 - read_file
baseline.py18 lines - write_file
baseline.pysaved - grep
baseline accuracy3 matches
다음 단계 전까지 사용자의 승인을 기다리는 중입니다.거부수락
baseline.py
import csv
import sys
def main():
data = []
with open('data.csv') as f:
reader = csv.DictReader(f)
for row in reader:
data.append(row)
labels = [r['label'] for r in data]
most_common = max(set(labels), key=labels.count)
correct = sum(1 for r in data if r['label'] == most_common)
accuracy = correct / len(data)
print(f'Baseline accuracy: {accuracy:.2f}')
if __name__ == '__main__':
main()이 순수 Python 스크립트는 CSV 파일을 읽고 가장 빈번한 라벨을 찾은 후, 외부 라이브러리 없이 베이스라인 정확도를 출력합니다.
머신러닝 캡스톤 프로젝트 구축하기
데이터 확인하기
프로젝트 폴더의 파일 목록을 확인해 데이터셋이 있는지 확인하고, read_file을 사용해 CSV 데이터의 처음 몇 행을 살펴보세요. 열의 구성을 확인하세요. 이렇게 하면 빌드를 시작하기 전에 열 이름과 데이터 타입을 파악하는 데 도움이 됩니다. 에이전트는 검토를 위해 파일 내용을 채팅 카드에 직접 표시합니다. 간단한 머신러닝 프로젝트를 위해 grep을 사용해 데이터에서 특정 값이나 패턴을 찾을 수 있습니다. 누락된 값을 확인해 데이터가 학습에 적합한지 검증하세요. 초보자를 위한 첫 번째 미니 프로젝트는 종종 이러한 기본 데이터 구조를 확인하는 것으로 시작합니다. 이 단계를 통해 머신러닝 파이프라인에서 정확히 무엇을 다루고 있는지 명확히 파악할 수 있습니다.
학습 실행하기
라이브러리를 사용해 간단한 학습 스크립트를 작성하고 프로젝트 폴더에 저장하세요. write_file로 스크립트를 생성하고, edit_file로 구문 오류를 수정하세요. 실행하세요. Shell 도구를 사용해 스크립트를 실행해 실제 출력 결과를 확인하세요. 스크립트가 성공적으로 종료되었는지 확인하기 위해 종료 코드를 확인하세요. 검증 세트에서 모델을 평가하고 지표를 기록하세요. 재현성과 명확성을 위해 JSON 로그에 결과를 저장하세요. Ask first를 사용할 때 변경 사항마다 diff를 검토하세요. 딥러닝 프로젝트를 선택하는 동안 머신러닝 캡스톤 프로젝트를 위해 이 과정을 반복하세요.
