목표: U-Net을 이용해 축구 경기 영상 내의 다양한 객체(예: 골대, 심판, 선수, 관중 등)를 픽셀 단위로 분할하는 Semantic Segmentation 작업을 수행 활용 데이터셋 Kaggle의 FootBall(Sementic Segmentation) 데이터셋 Football (Semantic Segmentation)100 frames of pixel-perfect semantic segmentation with 11 classes.www.kaggle.com 파이프라인1. 데이터 불러오기 2. 데이터 EDA 3. 데이터셋 생성 4. 모델링 5. 모델 하이퍼파라미터 튜닝 6. 모델 학습 / 시각화 7. 성능지표 비교 / 결론1. 데이터 불러오기Imports!pip install optuna!pip..

목표 :● 흉부 X-Ray 사진을 바탕으로 폐렴 환자 구분● Transfer Learning을 통해 분류 모델 구축 활용 데이터셋Kaggle의 Chest X-Ray Images (Pneumonia) Chest X-Ray Images (Pneumonia)5,863 images, 2 categorieswww.kaggle.com 파이프라인 : 데이터 분석데이터로더 구축학습/평가함수 구축1차 테스트(사전학습 모델들의 Feature Extraction)2차 테스트(성능지표 상위 2개 모델의 Fine-Tuning)최종 모델 하이퍼파라미터 튜닝모델 학습Test 데이터 예측/평가 1. 데이터 EDA필요 pip / import!pip install kagglehub!pip install torchmetrics!pi..