DS起動サマーキャンプ次営業日

1.SQL試験の準備

LIMIT:入力時に出力される行数を限定する役割

selct column1
from table
Limit 5;
-- table에서 column1을 보여주는데 5개만

selct column1
from table
offset 2
limit 5;
-- table에서 column1을 보여주는데 3부터 5개만

FETCH:入力時に出力される行数を限定する役割

selct column1, column2
from table
ORDER BY column1 desc
FETCH FIRST 5 ROW ONLY;
-- table에서 column1, column2을 보여주는데 column1 내림차순으로 5개만

selct column1, column2
from table
ORDER BY column1 desc
FETCH FIRST 5 ROW ONLY;
-- table에서 column1, column2을 보여주는데 column1 내림차순으로 5개만

2. Kernel Study

李侑漢さん、タイタニック研究1

Binary Classification

特徴タイプによる方法
(categorical(One-Hot Encoder), numerical, ordinal(Label Encoder))

value_counts()活用

3.論文を読む

AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE

Introduction :

Transfomerは自然言語処理に優れている.大量のテキスト語彙を事前に訓練し、特定の自然言語を処理するために小さな単位をfine-tuningする.Transformerは計算効率と拡張性を持ち,データサイズにかかわらず大量のパラメータを訓練できる.
しかし,コンピュータビジュアルの分野では,ボリュームアーキテクチャが多くの選択を受けている.CNNのような建物を自己注意と結びつけたり、完全に自己注意で代用したりするのは、理論的には効率的だが、まだ拡大していない.だからResNetのようなアーキテクチャはSOTAです
実験は基本Transformerを画像の最小修正に直接適用した.画像をpatchに分け,線形埋め込みシーケンスを入力とする.自然言語処理では、この画像patcheをtokenと見なす.
中型データセットでは,失望した結果の帰納偏差(直面しないデータの仮定をよりよく予測するために)不足が期待され,CNN上で翻訳対の等差と位置を見つけることができる.
しかし、大きなデータセット(14 M-300 M画像)では異なる.大量のプレゼンテーションVision Transformer(VT)は、優れたパフォーマンスを提供します.

4.面接問題

時間の割り当てに失敗しました

5.テストコード

時間の割り当てに失敗しました