2021 ML Dev-Matching | 미술 작품 분류하기 : 우수 코드 공개

머신러닝 개발자의 구직을 위한 데브매칭! 프로그래머스에서는 지난 5월 23일 '2021 Dev-Matching: 머신러닝 개발자'의 과제 테스트가 진행되었습니다. 문제 해결의 완벽한 정답은 없겠지만, 그래도 어떤 코드가 좋은 점수를 받았을지 궁금한 개발자분들을 위해 출제자's PICK - 3개의 잘 짜여진 코드를 공개합니다. 다른 개발자들은 어떻게 미술 작품 분류하기 문제를 풀어나갔는지 내 코드와 비교해보세요.

---

미술 작품 분류하기 문제

 

출제 의도

• 기본적인 과업인 Classification 제시
• 적은 양의 정제된 이미지 데이터 제공
• 촉박한 시간 (제한 시간 8시간)
• 위의 상황을 이해하고, Pretrain 모델을 가져와 Transfer learning을 수행할 수 있는지

 

출제자's Pick! 첫 번째 코드 (코드 보기)

사용한 모델 : NFNet, EfficientNet, Swin_transformer 

이 코드가 좋은 이유

• 다양한 기법들을 종합적으로 사용
• 모델 사용 이유 대한 설명이 있음
• 과정이 논리적으로 표현되고, 코드가 깔끔함

 

출제자's Pick! 두 번째 코드 (코드 보기)

사용한 모델 : swsl_resnext50

이 코드가 좋은 이유

• 과정이 논리적으로 잘 표현되고, 코드가 깔끔함
• class imbalance문제를 해결하기 위해 가중치 부여, cross validation ensemble 사용
• 모델 및 구성 요소 선택에 대한 이유를 설명

 

출제자's Pick! 세 번째 코드 (코드 보기)

사용한 모델 : EfficientNet, ViT(Vision Transformer)

이 코드가 좋은 이유

• 논리적 표현이 굉장히 명확하여 이해하기 쉬우며 코드가 깔끔하고 함수화가 매우 잘 되어 있음
• Convolution filter를 사용한 앙상블
• 진행 과정에 대한 자세한 설명 및 모델 선택에 대한 논리적인 이유를 포함함

 

 

---

 

미술 작품 분류하기 문제 다시 풀기

프로그래머스 사이트 내에 '실력 체크' > '과제관'> [머신러닝] 미술 작품 분류하기를 클릭하면 2021 Dev-Matching: 머신러닝 개발자에 출제된 과제를 풀 수 있습니다. 머신러닝 문제 이외에도 '과제관'에는 내 실력을 체크할 수 있는 다양한 문제가 준비되어있어요!

>> 과제관으로 바로 가기 <<

 

2021 머신러닝 데브매칭이 궁금하다면?

Dev-Mathing은 개발자들과 유수의 기업을 이어주는 프로그래머스의 채용 프로그램입니다. 지원자는 하나의 이력서로 최대 5개의 관심 있는 포지션을 선택하여 지원할 수 있으며, 이력서와 테스트 점수가 함께 기업에 전달되어 지원자를 더욱 주목받게 도와주는 프로그램입니다. 자세한 내용이 궁금하시다면 지난 2021 Dev-Matching 머신러닝(상반기) 내용을 한번 확인해보세요!
>> 지난 2021 Dev-Matching 머신러닝(상반기) 내용 보러가기 <<