데이터 분석 프로젝트를 진행한 AutoCar죠 팀에서는 아래와 같은 프로젝트를 진행했습니다.
자율주행 로봇 층간 이동을 위한 인지 기능 구현
18기 강용구 세종대학교 무인이동체공학과
18기 전효진 건국대학교 응용통계학과
18기 백채은 숙명여자대학교 컴퓨터과학전공
18기 이가은 가천대학교 의용생체공학과
18기 이소연 이화여자대학교 일반대학원 통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 ztyle 팀에서는 아래와 같은 프로젝트를 진행했습니다.
손그림 의류 검색 서비스
18기 조현정 고려대학교 일반대학원 통계학과
18기 김혜연 고려대학교 통계학과
18기 최유진 숙명여자대학교 소비자경제학과
18기 한상범 경기대학교 컴퓨터공학부
데이터 시각화 프로젝트를 진행한 보아져 팀에서는 아래와 같은 프로젝트를 진행했습니다.
에듀테크 기업 바이브온과 함께한 세가지 프로젝트 모음집. 바이브온의 모든 데이터를 기반으로 한 인사이트 도출 과정이 나타난 [Marketing Analysis], 이용자들에게 효과적인 서비스를 제공하기 위한 시각화 서비스 기획안인 [타 생기부 분석 100% 활용하기], 시각화를 넘어 NLP를 통해 선생님의 생기부 작성을 돕는 [Vital-On] 세가지 프로젝트로 이루어져있다.
15기 박대희 이화여자대학교 통계학과
17기 김태현 이화여자대학교 경제학과
17시 박지운 이화여자대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스학과
17기 이한울 고려대학교 사회학과
17기 이준희 고려대학교 통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [힐링세포들] : MHTI (Mental Health Type Indicator)BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 힐링세포들 팀에서는 아래와 같은 프로젝트를 진행했습니다.
정신건강 정보를 전달하고, 관리할 수 있는 대시보드 제작
18기 최유진 숙명여자대학교 소비자경제학과
18기 김주은 성균관대학교 문헌정보학과
18기 김혜연 고려대학교 통계학과
18기 홍주리 숙명여자대학교 통계학과
18기 황인정 숙명여자대학교 일반대학원 경영학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...BOAZ Bigdata
데이터 분석 프로젝트를 진행한 6시내고양포CAT몬 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Cat Anti-aging Project based StyleGAN2
18기 박규연 국민대학교 소프트웨어학부
18기 김가영 숙명여자대학교 통계학과
18기 서은유 동덕여자대학교 정보통계학과
18기 이기원 고려대학교 식품자원경제학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BAOBAB 팀] : 반려동물 미용업 모바일 서비스 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 BAOBAB 팀에서는 아래와 같은 프로젝트를 진행했습니다.
반려동물 미용업 모바일 서비스 분석
17기 강지민 숙명여자대학교 통계학과
17기 김나연 고려대학교 통계학과
17기 김지윤 성신여자대학교 융합보안공학과
17기 박이정 인하대학교 경영학과
17기 이세영 동덕여자대학교 국제경영/정보통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 Catch, Traffic! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
수도권 교통의 혼잡성을 해결하기 위한 방안을 찾는 데이터 파이프라인 구축
18기 김인섭 숭실대학교 산업정보시스템공학과
18기 김재민 국민대학교 AI빅데이터융합경영학과
18기 서은유 동덕여자대학교 정보통계학과
18기 윤정원 숙명여자대학교 소프트웨어융합전공
18기 이현진 서울과학기술대학교 산업정보시스템전공
18기 조은학 명지대학교 융합소프트웨어학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 보아酒 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 감정분석을 통한 전통주 추천 서비스
19기 정은진 한양대학교 ERICA 정보사회미디어학과
19기 강하연 명지대학교 경영정보학과
19기 고건호 고려대학교 통계학과
19기 김진재 중앙대학교 응용통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [주식팀] : 특정 시간대의 주가 변동 패턴을 이용한 실시간 주가 예측BOAZ Bigdata
The document describes a stock price prediction project carried out by a data science club. The project aimed to predict stock prices for a specific time period (9:00-9:30) by analyzing similar patterns in past stock price movements. The project involved collecting minute-level stock price data, preprocessing the data, clustering the time series data using Gaussian Mixture Models (GMM), classifying new data with GMM and Convolutional Neural Network models, making predictions using a weighted average model, and recommending optimal investment stocks. The results of a mock investment over 5 days showed the model achieving a return of 2.25% compared to -0.69% for the broader market index. Automatic data crawling was implemented using AWS Lambda
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 ztyle 팀에서는 아래와 같은 프로젝트를 진행했습니다.
손그림 의류 검색 서비스
18기 조현정 고려대학교 일반대학원 통계학과
18기 김혜연 고려대학교 통계학과
18기 최유진 숙명여자대학교 소비자경제학과
18기 한상범 경기대학교 컴퓨터공학부
데이터 시각화 프로젝트를 진행한 보아져 팀에서는 아래와 같은 프로젝트를 진행했습니다.
에듀테크 기업 바이브온과 함께한 세가지 프로젝트 모음집. 바이브온의 모든 데이터를 기반으로 한 인사이트 도출 과정이 나타난 [Marketing Analysis], 이용자들에게 효과적인 서비스를 제공하기 위한 시각화 서비스 기획안인 [타 생기부 분석 100% 활용하기], 시각화를 넘어 NLP를 통해 선생님의 생기부 작성을 돕는 [Vital-On] 세가지 프로젝트로 이루어져있다.
15기 박대희 이화여자대학교 통계학과
17기 김태현 이화여자대학교 경제학과
17시 박지운 이화여자대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스학과
17기 이한울 고려대학교 사회학과
17기 이준희 고려대학교 통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [힐링세포들] : MHTI (Mental Health Type Indicator)BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 힐링세포들 팀에서는 아래와 같은 프로젝트를 진행했습니다.
정신건강 정보를 전달하고, 관리할 수 있는 대시보드 제작
18기 최유진 숙명여자대학교 소비자경제학과
18기 김주은 성균관대학교 문헌정보학과
18기 김혜연 고려대학교 통계학과
18기 홍주리 숙명여자대학교 통계학과
18기 황인정 숙명여자대학교 일반대학원 경영학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...BOAZ Bigdata
데이터 분석 프로젝트를 진행한 6시내고양포CAT몬 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Cat Anti-aging Project based StyleGAN2
18기 박규연 국민대학교 소프트웨어학부
18기 김가영 숙명여자대학교 통계학과
18기 서은유 동덕여자대학교 정보통계학과
18기 이기원 고려대학교 식품자원경제학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BAOBAB 팀] : 반려동물 미용업 모바일 서비스 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 BAOBAB 팀에서는 아래와 같은 프로젝트를 진행했습니다.
반려동물 미용업 모바일 서비스 분석
17기 강지민 숙명여자대학교 통계학과
17기 김나연 고려대학교 통계학과
17기 김지윤 성신여자대학교 융합보안공학과
17기 박이정 인하대학교 경영학과
17기 이세영 동덕여자대학교 국제경영/정보통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 Catch, Traffic! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
수도권 교통의 혼잡성을 해결하기 위한 방안을 찾는 데이터 파이프라인 구축
18기 김인섭 숭실대학교 산업정보시스템공학과
18기 김재민 국민대학교 AI빅데이터융합경영학과
18기 서은유 동덕여자대학교 정보통계학과
18기 윤정원 숙명여자대학교 소프트웨어융합전공
18기 이현진 서울과학기술대학교 산업정보시스템전공
18기 조은학 명지대학교 융합소프트웨어학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 보아酒 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 감정분석을 통한 전통주 추천 서비스
19기 정은진 한양대학교 ERICA 정보사회미디어학과
19기 강하연 명지대학교 경영정보학과
19기 고건호 고려대학교 통계학과
19기 김진재 중앙대학교 응용통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 14회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [주식팀] : 특정 시간대의 주가 변동 패턴을 이용한 실시간 주가 예측BOAZ Bigdata
The document describes a stock price prediction project carried out by a data science club. The project aimed to predict stock prices for a specific time period (9:00-9:30) by analyzing similar patterns in past stock price movements. The project involved collecting minute-level stock price data, preprocessing the data, clustering the time series data using Gaussian Mixture Models (GMM), classifying new data with GMM and Convolutional Neural Network models, making predictions using a weighted average model, and recommending optimal investment stocks. The results of a mock investment over 5 days showed the model achieving a return of 2.25% compared to -0.69% for the broader market index. Automatic data crawling was implemented using AWS Lambda
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 4부터7 팀에서는 아래와 같은 프로젝트를 진행했습니다.
공방 301 데이터를 활용한 마케팅 방안 제시
19기 김동하 고려대학교 미디어학부
19기 고현서 동덕여자대학교 경영학과
19기 노근혜 이화여자대학교 통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 link-us(링커즈) 팀에서는 아래와 같은 프로젝트를 진행했습니다.
링키드(linkid)를 위한 비즈니스 대시보드 제작
19기 정소영 숙명여자대학교 통계학과
19기 유나현 중앙대학교 응용통계학과
19기 이세연 성신여자대학교 빅데이터사이언스전공
19기 정다운 숙명여자대학교 통계학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발BOAZ Bigdata
데이터 분석 프로젝트를 진행한 추적24시 팀에서는 아래와 같은 프로젝트를 진행했습니다.
완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
19기 민경원 고려대학교 산업경영공학부
19기 신재욱 연세대학교 산업공학과
19기 이유빈 서울여자대학교 소프트웨어융합학과
19기 최가희 국립공주대학교 산업시스템공학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 YouPlace팀에서는 아래와 같은 프로젝트를 진행했습니다.
<aside>
이젠 검색도 유튜브 시대
제주여행을 계획할 때 브이로그 영상을 많이 참고하실텐데요
수많은 영상들과 영상 속 분산된 명소들을 하나 하나 찾으려 생각하면 막막하지 않으셨나요?
이러한 고민을 갖고 계신 분들을 위해, 유튜브 브이로거들이 찾아간 여행 명소들을 지도에서 한 눈에 파악할 수 있도록 만들었어요
(github : https://github.com/Boaz-Youplace)
16기 엔지니어링 고은서 | 중앙대학교 소프트웨어학부
16기 엔지니어링 류정화 | 성신여자대학교 융합보안공학과
16기 엔지니어링 송경민 | 국민대학교 소프트웨어학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링BOAZ Bigdata
데이터 분석 프로젝트를 진행한 리뷰의 재발견 팀에서는 아래와 같은 프로젝트를 진행했습다.
Review? Re-View!
물건 살 때 우리는 리뷰를 보며 많은 정보를 얻습니다❕여러분이 보는 그 리뷰의 유용성을 저희가 알려드릴게요
리뷰 유용성 판단부터 토픽으로 알아보는 리뷰 유용성 결정 요인 분석, 군집화를 통한 대표 리뷰 추출까지
우리 같이 Review를 Re-View해봐요
16기 정수연 한양대 파이낸스경영학과
16기 문예진 서강대 경제학부 / 빅데이터 사이언스
16기 이상민 경희대 소프트웨어융합학과
16기 황의린 숙명여대 생명시스템학부 / 통계학과
16기 정승연 연세대 대학원 전산언어학
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [개미야 뭐하니?팀] : 투자자의 반응을 이용한 실시간 등락 예측(feat. 카프카)BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 개미야 뭐하니? 팀에서는 아래와 같은 프로젝트를 진행했습니다.
[Web 발신] 5분 후, 당신이 투자한 주식이 떨어집니다!
실시간으로 내 주식의 등락을 알려주는 ai가 있다?
이것만 있으면 나도 주린이 탈출
개미와 함께하는 최적의 매도 매수 타이밍
지금 이 순간, 내 주식의 미래를 볼 수 있다
(신청: https://github.com/jayleenym/AYOA)
16기 강지수 동덕여자대학교 정보통계학과
16기 김서민 숙명여자대학교 컴퓨터과학과
16기 김윤기 한양대학교 대학원 컴퓨터소프트웨어학과
16기 문예진 서강대학교 경제학과 / 빅데이터 사이언스
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
데이터 분석 프로젝트를 짆애한 쇼미더뮤직 팀에서는 아래와 같은 프로젝트를 진행했습니다.
내 하루의 감정을 통해 노래를 추천받을 수 있다면 얼마나 좋을까?
자연어처리와 추천시스템 기법의 collaboration..
여러분의 감정을 추출하고, 어울리는 노래를 추천해드립니다.
**쇼미더뮤직!**
16기 김양경 건국대학교 기술경영학과
15기 김은선 세종대학교 데이터사이언스학과
16기 유수빈 동덕여자대학교 정보통계학과
16기 이상민 경희대학교 소프트웨어융합학과
16기 조하늘 동덕여자대학교 국제경영학과, 정보통계학과
16기 최 리 건국대학교 응용통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Find Your Style 팀에서는 사용자가 좋아하는 룩의 사진을 올리면 이에 맞는 스타일을 찾아 어울리는 여성 패션 상품을 추천해주는 프로젝트를 진행했습니다.
16기 강하영 동덕여자대학교 정보통계학과
16기 김지수 성신여자대학교 통계학과
16기 남유지 숙명여자대학교 컴퓨터과학전공
15기 김희현 성균관대학교 데이터사이언스융합전공
16기 박은지 숙명여자대학교 소비자경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [나만 없어 범고래] : 스니커즈 중심의 리셀 시장 및 플랫폼 KREAM 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 '나만 없어 범고래' 팀에서는 아래와 같은 프로젝트를 진행했습니다.
스니커즈를 중심으로 현재 리셀 트렌드와 리셀 플랫폼 KREAM 을 분석하고, 기업, 서비스 등을 비교해주는 대시보드를 만들었습니다.
18기 강채현 고려대학교 산업경영공학부
17기 김민채 한국외국어대학교 스페인어과
17기 이서영 이화여자대학교 통계학과
18기 백은수 인하대학교 경영학과
18기 이해림 동덕여자대학교 정보통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [마페터 팀] : 고객 페르소나를 활용한 마케팅 전략 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 마페터 팀에서는 아래와 같은 프로젝트를 진행했습니다.
데이터 시각화 프로젝트를 진행한 Marpeter 팀에서는 마케팅 대시보드를 제작하였습니다.
저희의 대시보드는 고객 생애 주기, 광고 성과 분석, 페르소나 도출 페이지로 구성되어 있습니다.
먼저 고객 생애 주기 페이지는 AARRR 퍼널을 통해 고객 생애 주기를 분석할 수 있습니다. 사전에 군집화가 이루어진 고객 그룹별로, 유입부터 재구매에 이르기까지 고객의 생애 주기를 분석하여 각 생애 주기 단계별 주요 지표들을 통해 각 단계의 전환율을 높일 수 있는 마케팅 전략을 수립할 수 있습니다.
광고 성과 분석 페이지에서는 고객들이 홈페이지에 남긴 흔적 데이터를 종합적으로 분석하여 비용 대비 최고의 성과를 내는 채널 별 최적의 마케팅 프로세스를 찾습니다. 원하는 채널을 클릭하면 퍼포먼스 마케팅의 KPI를 파악하고 ‘cost’와 ‘action’을 기준으로 광고 성과를 분석할 수 있습니다. 또한 해당 채널에 접근한 고객의 특성과 추천 페르소나를 확인할 수 있습니다.
마지막으로 페르소나 도출 페이지에서는 타깃 시장에 속한 사람들 간의 공통점을 가지고 실존하는 인물처럼 구체적인 정보를 가진 페르소나를 제시하여 더욱 생산적인 구매자 참여를 유도하는 마케팅 전략 정보를 제공합니다. 구체화된 페르소나의 이름을 클릭하면 나이, 직업, 가족 정보 등의 인구통계학적 정보뿐만 아니라 특징, 소비습관, 취향 등을 확인할 수 있습니다. 이를 통해 이상적인 타깃과 부정적인 타깃을 파악하고 페르소나 별 마케팅 전략을 기획할 수 있습니다.
17기 변강준 동국대학교 산업시스템공학과
17기 윤성원 이화여자대학교 통계학과 석사
17기 이소정 숙명여자대학교 통계학과
17기 이승권 건국대학교 응용통계학과
17기 이현지 이화여자대학교 통계학과 석사
17기 조세연 연세대학교 의류환경학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 SiZoAH 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 기반 의류 사이즈 추천시스템
18기 박태남 고려대학교 산업경영공학과
18기 김주은 성균관대학교 문헌정보학과
18기 문다정 단국대학교 응용통계학과
18기 박희준 명지대학교 산업공학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [굿아이디어스] : 아이디어스 작가를 위한 비지니스 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 굿아이디어스 팀에서는 아래와 같은 프로젝트를 진행했습니다.
데이터를 활용해 아이디어스 작가들의 능동적인 스토어 운영에 도움을 주는 서비스를 제공하는 비지니스 대시보드
18기 김지현 숙명여자대학교 통계학과
18기 류소현 숙명여자대학교 문화관광학과
18기 송지수 숭실대학교 글로벌미디어학부
18기 이주은 숙명여자대학교 통계학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 4부터7 팀에서는 아래와 같은 프로젝트를 진행했습니다.
공방 301 데이터를 활용한 마케팅 방안 제시
19기 김동하 고려대학교 미디어학부
19기 고현서 동덕여자대학교 경영학과
19기 노근혜 이화여자대학교 통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 link-us(링커즈) 팀에서는 아래와 같은 프로젝트를 진행했습니다.
링키드(linkid)를 위한 비즈니스 대시보드 제작
19기 정소영 숙명여자대학교 통계학과
19기 유나현 중앙대학교 응용통계학과
19기 이세연 성신여자대학교 빅데이터사이언스전공
19기 정다운 숙명여자대학교 통계학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발BOAZ Bigdata
데이터 분석 프로젝트를 진행한 추적24시 팀에서는 아래와 같은 프로젝트를 진행했습니다.
완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
19기 민경원 고려대학교 산업경영공학부
19기 신재욱 연세대학교 산업공학과
19기 이유빈 서울여자대학교 소프트웨어융합학과
19기 최가희 국립공주대학교 산업시스템공학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 YouPlace팀에서는 아래와 같은 프로젝트를 진행했습니다.
<aside>
이젠 검색도 유튜브 시대
제주여행을 계획할 때 브이로그 영상을 많이 참고하실텐데요
수많은 영상들과 영상 속 분산된 명소들을 하나 하나 찾으려 생각하면 막막하지 않으셨나요?
이러한 고민을 갖고 계신 분들을 위해, 유튜브 브이로거들이 찾아간 여행 명소들을 지도에서 한 눈에 파악할 수 있도록 만들었어요
(github : https://github.com/Boaz-Youplace)
16기 엔지니어링 고은서 | 중앙대학교 소프트웨어학부
16기 엔지니어링 류정화 | 성신여자대학교 융합보안공학과
16기 엔지니어링 송경민 | 국민대학교 소프트웨어학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링BOAZ Bigdata
데이터 분석 프로젝트를 진행한 리뷰의 재발견 팀에서는 아래와 같은 프로젝트를 진행했습다.
Review? Re-View!
물건 살 때 우리는 리뷰를 보며 많은 정보를 얻습니다❕여러분이 보는 그 리뷰의 유용성을 저희가 알려드릴게요
리뷰 유용성 판단부터 토픽으로 알아보는 리뷰 유용성 결정 요인 분석, 군집화를 통한 대표 리뷰 추출까지
우리 같이 Review를 Re-View해봐요
16기 정수연 한양대 파이낸스경영학과
16기 문예진 서강대 경제학부 / 빅데이터 사이언스
16기 이상민 경희대 소프트웨어융합학과
16기 황의린 숙명여대 생명시스템학부 / 통계학과
16기 정승연 연세대 대학원 전산언어학
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [개미야 뭐하니?팀] : 투자자의 반응을 이용한 실시간 등락 예측(feat. 카프카)BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 개미야 뭐하니? 팀에서는 아래와 같은 프로젝트를 진행했습니다.
[Web 발신] 5분 후, 당신이 투자한 주식이 떨어집니다!
실시간으로 내 주식의 등락을 알려주는 ai가 있다?
이것만 있으면 나도 주린이 탈출
개미와 함께하는 최적의 매도 매수 타이밍
지금 이 순간, 내 주식의 미래를 볼 수 있다
(신청: https://github.com/jayleenym/AYOA)
16기 강지수 동덕여자대학교 정보통계학과
16기 김서민 숙명여자대학교 컴퓨터과학과
16기 김윤기 한양대학교 대학원 컴퓨터소프트웨어학과
16기 문예진 서강대학교 경제학과 / 빅데이터 사이언스
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
데이터 분석 프로젝트를 짆애한 쇼미더뮤직 팀에서는 아래와 같은 프로젝트를 진행했습니다.
내 하루의 감정을 통해 노래를 추천받을 수 있다면 얼마나 좋을까?
자연어처리와 추천시스템 기법의 collaboration..
여러분의 감정을 추출하고, 어울리는 노래를 추천해드립니다.
**쇼미더뮤직!**
16기 김양경 건국대학교 기술경영학과
15기 김은선 세종대학교 데이터사이언스학과
16기 유수빈 동덕여자대학교 정보통계학과
16기 이상민 경희대학교 소프트웨어융합학과
16기 조하늘 동덕여자대학교 국제경영학과, 정보통계학과
16기 최 리 건국대학교 응용통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Find Your Style 팀에서는 사용자가 좋아하는 룩의 사진을 올리면 이에 맞는 스타일을 찾아 어울리는 여성 패션 상품을 추천해주는 프로젝트를 진행했습니다.
16기 강하영 동덕여자대학교 정보통계학과
16기 김지수 성신여자대학교 통계학과
16기 남유지 숙명여자대학교 컴퓨터과학전공
15기 김희현 성균관대학교 데이터사이언스융합전공
16기 박은지 숙명여자대학교 소비자경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [나만 없어 범고래] : 스니커즈 중심의 리셀 시장 및 플랫폼 KREAM 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 '나만 없어 범고래' 팀에서는 아래와 같은 프로젝트를 진행했습니다.
스니커즈를 중심으로 현재 리셀 트렌드와 리셀 플랫폼 KREAM 을 분석하고, 기업, 서비스 등을 비교해주는 대시보드를 만들었습니다.
18기 강채현 고려대학교 산업경영공학부
17기 김민채 한국외국어대학교 스페인어과
17기 이서영 이화여자대학교 통계학과
18기 백은수 인하대학교 경영학과
18기 이해림 동덕여자대학교 정보통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [마페터 팀] : 고객 페르소나를 활용한 마케팅 전략 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 마페터 팀에서는 아래와 같은 프로젝트를 진행했습니다.
데이터 시각화 프로젝트를 진행한 Marpeter 팀에서는 마케팅 대시보드를 제작하였습니다.
저희의 대시보드는 고객 생애 주기, 광고 성과 분석, 페르소나 도출 페이지로 구성되어 있습니다.
먼저 고객 생애 주기 페이지는 AARRR 퍼널을 통해 고객 생애 주기를 분석할 수 있습니다. 사전에 군집화가 이루어진 고객 그룹별로, 유입부터 재구매에 이르기까지 고객의 생애 주기를 분석하여 각 생애 주기 단계별 주요 지표들을 통해 각 단계의 전환율을 높일 수 있는 마케팅 전략을 수립할 수 있습니다.
광고 성과 분석 페이지에서는 고객들이 홈페이지에 남긴 흔적 데이터를 종합적으로 분석하여 비용 대비 최고의 성과를 내는 채널 별 최적의 마케팅 프로세스를 찾습니다. 원하는 채널을 클릭하면 퍼포먼스 마케팅의 KPI를 파악하고 ‘cost’와 ‘action’을 기준으로 광고 성과를 분석할 수 있습니다. 또한 해당 채널에 접근한 고객의 특성과 추천 페르소나를 확인할 수 있습니다.
마지막으로 페르소나 도출 페이지에서는 타깃 시장에 속한 사람들 간의 공통점을 가지고 실존하는 인물처럼 구체적인 정보를 가진 페르소나를 제시하여 더욱 생산적인 구매자 참여를 유도하는 마케팅 전략 정보를 제공합니다. 구체화된 페르소나의 이름을 클릭하면 나이, 직업, 가족 정보 등의 인구통계학적 정보뿐만 아니라 특징, 소비습관, 취향 등을 확인할 수 있습니다. 이를 통해 이상적인 타깃과 부정적인 타깃을 파악하고 페르소나 별 마케팅 전략을 기획할 수 있습니다.
17기 변강준 동국대학교 산업시스템공학과
17기 윤성원 이화여자대학교 통계학과 석사
17기 이소정 숙명여자대학교 통계학과
17기 이승권 건국대학교 응용통계학과
17기 이현지 이화여자대학교 통계학과 석사
17기 조세연 연세대학교 의류환경학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 SiZoAH 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 기반 의류 사이즈 추천시스템
18기 박태남 고려대학교 산업경영공학과
18기 김주은 성균관대학교 문헌정보학과
18기 문다정 단국대학교 응용통계학과
18기 박희준 명지대학교 산업공학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [굿아이디어스] : 아이디어스 작가를 위한 비지니스 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 굿아이디어스 팀에서는 아래와 같은 프로젝트를 진행했습니다.
데이터를 활용해 아이디어스 작가들의 능동적인 스토어 운영에 도움을 주는 서비스를 제공하는 비지니스 대시보드
18기 김지현 숙명여자대학교 통계학과
18기 류소현 숙명여자대학교 문화관광학과
18기 송지수 숭실대학교 글로벌미디어학부
18기 이주은 숙명여자대학교 통계학과
Stabilization Method of Trajectory Data with Planar Characteristic using Plan...Stryx
가상현실 어플리케이션을 만들기 위하여 로보틱스의 6DoF SLAM 기술을 이용하여 현실의 3차원 공간정보를 디지털화
하는 경우, 획득된 공간정보들의 회전값은 스캔의 초기위치에서 센서데이터들로부터 도출된 회전값을 사용한다. 그렇
게 생성된 3차원 지도는 센서의 노이즈로 인하여 수평이 맞지 않는 경우가 많다. 이를 이용하여 가상현실 어플리케이
션을 만드는 경우, 어플리케이션 개발자는 수동으로 3차원 지도를 수평을 맞춰주어야 한다. 수평을 수동으로 조정하는
경우 정확도가 떨어지고, 실패 가능성이 높다. 이 때 촬영자의 이동경로의 평면특성을 이용하면 3차원 지도의 회전을
추정하고, 손쉽게 정확하게 수평을 맞출 수 있다. 본 논문은 경로데이터에 대해 SVD를 이용한 plane fitting을 이용해
평면을 추정하고, quaternion rotation을 이용해 경로데이터를 회전시키는 방법을 소개한다.
[paper review] 손규빈 - Eye in the sky & 3D human pose estimation in video with ...Gyubin Son
1. Eye in the Sky: Real-time Drone Surveillance System (DSS) for Violent Individuals Identification using ScatterNet Hybrid Deep Learning Network
https://arxiv.org/abs/1806.00746
2. 3D human pose estimation in video with temporal convolutions and semi-supervised training
https://arxiv.org/abs/1811.11742
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...BOAZ Bigdata
데이터 분석 프로젝트를 진행한 전진4드론 팀에서는 아래와 같은 프로젝트를 진행했습니다.
RAD(Reinforcement learning method for Autonomous Drone)
20기 정재준 한양대학교 에리카캠퍼스 프랑스학과
20기 이영현 한양대학교 대학원 인공지능학과
20기 이찬 경희대학교 컴퓨터공학과
20기 정원준 건국대학교 컴퓨터공학부
Learning Less is More - 6D Camera Localization via 3D Surface RegressionBrian Younggun Cho
Learning Less is More - 6D Camera Localization via 3D Surface Regression
현재 Learning-based Visual Localization에서 SOTA 중 하나인 LessMore 논문의 발표자료
- 발표자료의 일부는 ECCV 2018, Visual Localization workshop에서 Eric Brachmann의 슬라이드를 참고하였습니다.
** 해당 자료는 외부 공유 인가 되었습니다.
1. 딥러닝의 동작 방식에 대한 기초 가이드
2. 네트워크를 통한 공간 변환 개괄
"다음을 꼭 기억하세요. 지금까지 딥러닝의 실제 성공은 연속된 기하학적 변환을 사용하여 공간 X 에서 공간 Y 로 매핑하는 능력에 기인합니다."
프랑소와 숄레, 케라스 창시자에게 배우는 딥러닝 가운데.
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [COLLABO-AZ] : 고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗BOAZ Bigdata
데이터 분석 프로젝트를 진행한 COLLABO-AZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗
20기 정지혜 이화여자대학교 통계학과
20기 김지민 중앙대학교 응용통계학과
20기 오태연 단국대학교 정보통계학과
20기 최은선 한양대학교 에리카캠퍼스 정보사회미디어학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [백발백준] : 백준봇 : 컨테이너 오케스트레이션 기반 백준 문제 추천 봇BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 백발백준 팀에서는 아래와 같은 프로젝트를 진행했습니다.
백준봇 : 컨테이너 오케스트레이션 기반 백준 문제 추천 봇
20기 유하준 한국외국어대학교 산업공학과
20기 안지완 중앙대학교 소프트웨어학과
20기 정태형 경기대학교 응용통계학과
20기 최윤서 숙명여자대학교 일반대학원 통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 무드등 팀에서는 아래와 같은 프로젝트를 진행했습니다.
무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
20기 이호림 숙명여자대학교 경영학부
20기 노승혜 숙명여자대학교 소비자경제학과
20기 정다인 성신여자대학교 통계학과
20기 홍나연 숭실대학교 정보통계보험수리학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [섬유유연제] : 어글리us! 스마일 Earth! : NLP 기반 프로젝트와 비즈니스 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 섬유유연제 팀에서는 아래와 같은 프로젝트를 진행했습니다.
어글리us! 스마일 Earth! : NLP 기반 프로젝트와 비즈니스 대시보드
20기 정강민 세종대학교 경영학과
20기 김기수 광운대학교 데이터사이언스전공
20기 김세연 이화여자대학교 기후에너지시스템공학전공
20기 윤여빈 성신여자대학교 수리통계데이터사이언스학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SPOAZ] : Spotify 기반 개인화 음악 추천 서비스 프로젝트BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 SPOAZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Spotify 기반 개인화 음악 추천 서비스 프로젝트
20기 이해현 서울여자대학교 소프트웨어융합학과
20기 안소유 서울여자대학교 소프트웨어융합학과
20기 임혁 중앙대학교 응용통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [다함께 레벨업!] : 학식 예약 서비스 yammi CRM 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 다함께 레벨업! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
학식 예약 서비스 yammi CRM 대시보드
20기 조성배 중앙대학교 공공인재학부
20기 김윤지 숙명여자대학교 경영학부
20기 김지연 연세대학교 심리학과
20기 한은빈 세종대학교 경영학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [HAUL의 움직이는 리포트] : 투자성향 기반 주식 추천 및 기업 정보 제공 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 HAUL의 움직이는 리포트 팀에서는 아래와 같은 프로젝트를 진행했습니다.
투자성향 기반 주식 추천 및 기업 정보 제공 대시보드
20기 이준희 건국대학교 응용통계학과
20기 김지후 고려대학교 통계학과
19기 김청환 건국대학교 응용통계학과
19기 백지영 한양대학교 경영대학원 비즈니스인포매틱스학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BEARS] : 이미지 캡셔닝을 통한 이모지 추천 및 해시태그 생성BOAZ Bigdata
데이터 분석 프로젝트를 진행한 BEARS 팀에서는 아래와 같은 프로젝트를 진행했습니다.
이미지 캡셔닝을 통한 이모지 추천 및 해시태그 생성
20기 최영우 인하대학교 중국학과
20기 김주은 성신여자대학교 정보시스템공학과
20기 이시내 한국외국어대학교 바이오메디컬공학과
18기 전혜주 숙명여자대학교 독일언어문화학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측BOAZ Bigdata
데이터 분석 프로젝트를 진행한 낭만젊음사람 팀에서는 아래와 같은 프로젝트를 진행했습니다.
UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
20기 서동혁 국민대학교 AI빅데이터융합경영학과
20기 권정을 명지대학교 산업경영공학과
20기 정재원 숙명여자대학교 통계학과
20기 황재성 세종대학교 데이터사이언스학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇BOAZ Bigdata
데이터 분석 프로젝트를 진행한 레시피를 보아즈 팀에서는 아래와 같은 프로젝트를 진행했습니다.
영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
20기 박진영 숙명여자대학교 경영학부
20기 서민진 경희대학교 통계학과
20기 안소유 서울여자대학교 소프트웨어융합학과
20기 윤선영 서울과학기술대학교 데이터사이언스학과
20기 이민선 한국공학대학교 산업경영학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현BOAZ Bigdata
데이터 분석 프로젝트를 진행한 REC 팀에서는 아래와 같은 프로젝트를 진행했습니다.
캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
20기 김민혜 한양대학교 경영대학원 비즈니스 인포메틱스
20기 송여진 이화여자대학교 휴먼기계바이오공학부
20기 이은효 이화여자대학교 대학원 통계학과
20기 임세은 숙명여자대학교 사회심리학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 유쾌한 반란 팀에서는 아래와 같은 프로젝트를 진행했습니다.
일 단위 화훼 경매 데이터를 화훼소매업자들에게 제공하여 적정가에 사입할 수 있도록 돕는 서비스 기획
19기 송우석 연세대학교 컴퓨터과학과
19기 박선홍 한국외국어대학교 국제통상학과
19기 이 은 홍익대학교 산업공학과
19기 정성윤 국민대학교 경영정보학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 이탈리안 BMT 팀에서는 아래와 같은 프로젝트를 진행했습니다.
지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
19기 김보겸 중앙대학교 사회학과
19기 김가경 동덕여자대학교 정보통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박재은 숙명여자대학교 컴퓨터과학전공
19기 이재준 명지대학교 융합소프트웨어 데이터테크놀로지전공
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크BOAZ Bigdata
데이터 분석 프로젝트를 진행한 분모자 팀에서는 아래와 같은 프로젝트를 진행했습니다.
로고 자동 감지 및 모자이크 서비스 제안
19기 오효근 건국대학교 일반대학원 기계설계학과
19기 김보겸 중앙대학교 사회학과
19기 송예진 서울여자대학교 소프트웨어융합학과
19기 우아라 서울여자대학교 소프트웨어융합학과
19기 임서현 성균관대학교 글로벌리더학부
데이터 분석 프로젝트를 진행한 뉴진스 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Multi-modal Fake News Detection
19기 장우솔 단국대학교 일반대학원 응용통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박명규 한양대학교 ERICA 로봇공학과
19기 성재혁 고려대학교 컴퓨터학과
19기 신은빈 건국대학교 응용통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [중고책나라] : 실시간 데이터를 이용한 Elasticsearch 클러스터 최적화BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 중고책나라 팀에서는 아래와 같은 프로젝트를 진행했습니다.
중고책 실시간 데이터를 활용하여 Elasticsearch Indexing 클러스터 성능 최적화
18기 금나연 숙명여자대학교 IT공학 전공
18기 박규연 국민대학교 소프트웨어학부
18기 김건우 국민대학교 AI빅데이터융합경영학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [으쓱^^] : 기업과 소비자를 위한 ESG 대시보드 & 지속가능경영보고서BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 으쓱^^ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
기업과 소비자를 위한 ESG 대시보드 제작 및 ESG 지속가능경영보고서 작성
18기 김성경 동덕여자대학교 정보통계학과
16기 강혜민 한양대학교 경영학부
18기 권순호 연세대학교 식품영양학과
18기 김다희 서울시립대학교 통계학과
18기 윤주원 서울여자대학교 행정학과
4. 과제 선정 배경
01
chapter
X
서빙 로봇
배달 로봇
실내 물류 로봇
현재 자율주행 차량 서비스
4
Fig 1. 서빙 로봇
Fig 2. 배달 로봇
Fig 3. 물류 로봇
5. 01
chapter
X
실내 자율 주행 로봇이 층간 이동을 더 자유롭게 할 수 있다면?
자율주행차량이 엘리베이터 내부의 장애물과 충돌 없이
탑승하고 하차 할 수 있는 기술 구현
과제 선정 배경 & 목표 5
Fig 4. 인천공항 길안내 로봇 Fig 5. 청소 로봇
6. 01
chapter
X
특히, 이 과정에서 라이다 센서와 카메라 센서 데이터에
딥러닝 모델을 적용하여 객체 인식을 하는 것을 핵심 목표로 함
“ ”
과제 선정 배경 & 목표
실내 자율 주행 로봇이 엘리베이터를 이용하기 위해 필요한 두 가지 기술
1. 자율 주행 로봇이 원하는 층을 자유롭게 이동하기 위해서
로봇과 엘리베이터 시스템과의 통신 필요
2. 자율 주행 로봇이 엘리베이터에 탑승하고 하차 할 수 있는 상황인지 판단하고
로봇의 안전한 경로를 계획하고 추종할 수 있는 기술 필요
6
8. 02
chapter
X
▶ 사용한 Tools
LiDAR Deep Learning | 프로젝트 구축 환경
구분 상세내용
S/W
개발 환경
OS
MacOS
Window 11
개발환경(IDE) Visual Studio Code, Google Colab
개발도구 Pytorch & MATLAB
개발언어 python3
H/W
구성 장비
디바이스 SCOUT-MINI
센서 Intel Real Sense D435 Camera, 3D LiDAR OUSTER-OS1
통신 CAN Protocol
프로젝트
관리 환경
형상관리 Github
의사소통관리 Notion, Discord
기타사항 파일관리 Google Drive
SCOUT-MINI
3D LiDAR
OUSTER-OS1
CAN Protocol
Intel Real Sense
D435 Camera
8
9. 02
chapter
X
LiDAR Deep Learning | 자율 주행에서 LiDAR를 사용하는 이유
ᆞ 빛, 그림자, 날씨 등 주변 환경의 변화에 민감
ᆞ 차량의 깊이 정보, 차량과 물체와의 거리, 차량의 지향 각을 정확히 알 수 없음
▶ 카메라 센서만 사용할 경우
색상 정보
센서 사이즈
센서 비용
밝기 변화
분해능
거리 정보
Camera
9
안개 낀 날씨 차량과 물체와의 거리
Fig 6. Fig 7.
10. 02
chapter
X
LiDAR Deep Learning | 자율 주행에서 LiDAR를 사용하는 이유
밝기 변화에 강하며 3D 포인트 클라우드 데이터는 정확한 3차원 구조의 거리 정보를 제공
센서들의 장단점을 보완하여 높은 정확도를 얻을 수 있음
▶ 자율 주행에서 LiDAR를 사용하는 이유
색상 정보
센서 사이즈
센서 비용
밝기 변화
분해능
거리 정보
Camera
색상 정보
센서 사이즈
센서 비용
밝기 변화
분해능
거리 정보
LiDAR
10
11. 02
chapter
X
LiDAR Deep Learning | 자율 주행에서의 딥러닝 연구
⇨ point cloud 데이터의 point 정보를 직접 이용하여 물체를 인지
⇨ 3D point cloud 를 2차원 영역으로 투영, 변환하여 2차원 영상을 만들고 CNN 네트워크에 적용하여 물체 검출
▶ 자율 주행에서의 딥러닝 연구
고정된 encoder를 이용하는게 아닌 feature를 학습해 모든 point cloud 정보를 활용
PointPillars
3D data인 point data를 Classification, Segmentation 하기 위한 모델
PointNet
11
Fig 8. PointPillars
Fig 9. PointNets
13. Frustum PointNets
03
chapter
X
카메라 이미지를 통해 2D Detection 수행 후, Depth 이미지와 Bounding box 정보를 통해
Point Cloud에서 객체의 Frustum(절두체)를 추출
▶ Frustum PointNets
* 절두체 ( = 원뿔이나 피라미드 모양에서 꼭대기를 자른 모양 )
Frustum PointNet는 2D 이미지에서 detection과 classification을 한 후,
절두체 내부의 point cloud에 PointNet을 적용하여 객체를 직육면체의 형태로 표시하는 Cuboid를 추정
13
14. Frustum PointNets | Modules
03
chapter
X
Frustum Proposal
3D Instance
Segmentation
Amodal 3D Box
Estimation
RGB-D 데이터로부터 frustum point clouds를 추출
PointNet 기반 네트워크를 사용해, 3D point cloud 에서 instance segmentation 수행
보이지 않는 뒷부분까지 포함할 수 있는 3D box 추정
14
15. Frustum PointNets | Loss
03
chapter
X
corner loss
실제 box와 예측된 box의 8개의 corner 사이의 거리들의 합
corner 위치가 중심, 사이즈, 방향과 함께 결정
anchor box들은 추정된 상자 중심으로 변환
뒤집힌 정답 box로 부터 corner 까지의 거리를 계산하여 loss 추정
방향 각도가 없다면, 정답과의 3차원 IOU는 각도 오류 영향
⇨ 중심, 사이즈, 방향의 세가지 수식이 최적의 3D box estimation을 위해서 모두 같이 최적화
▶ Frustum PointNets
15
𝑃𝑘
𝑖𝑗
16. 데이터 수집 및 전처리
03
chapter
X
주제
주제
Camera & LiDAR Calibration
∘ 시간 동기화 : 수집 시간을 일치
∘ 공간 동기화 : 카메라 센서와 라이다 센서의 좌표를 일치
두 센서의 데이터를 융합하여
객체를 정확하게 식별 !
센서의 좌표계를 동일한 좌표계로
설정하는 것이 필수
16
Fig 10. 체커보드
17. 데이터 수집 및 전처리
03
chapter
X
주제
주제
Camera & LiDAR Calibration
센서 내부 보정과 외부 보정으로 먼저 카메라 보정을 통해 카메라 내부 파라미터
라이다 제조 업체에서 제공한 라이다 내부 파라미터
체커보드 판
17
18. 데이터 수집 및 전처리
03
chapter
X
주제
주제
Camera & LiDAR Calibration
∘ 두 내부 파라미터와 함께 사각형 하나에 80mm 크기의 체커보드 판을 사용
∘ 카메라 라이다 외부 파라미터를 계산 해 외부 보정을 수행하여 동기화
18
19. 03
chapter
X
Frustum PointNets 구현 과정 | 데이터
Train : 374개
Test : 30개
• Frustum PointNetv1 old 속도 : 0.009s
• Yolov5 : 약 0.02s & Region2Frustum : 1.5s & FPNet : 약 0.007s
19
22. 03
chapter
X
Frustum PointNets 구현 과정 | 2) Point Cloud model
주제
주제
Region2Frustum 함수
Point Cloud 모델에 넣기 위해 절두체로 자르는 과정
Point Cloud 축 Depth 찾는 과정
22
23. 03
chapter
X
Frustum PointNets 구현 과정 | 2) Region2Frustum Function
depth
좌우 : Point Cloud를 필터링
세로 : 대부분 y좌표 대부분
높이 : 필터링에 이용 X
평면 : Bounding box의 x min, x max값으로 사
진 중앙에서의 거리비(x-640/1280)에서 depth,
보정값 alpha으로 나누기
▶ Depth 정보
Point Cloud에서 엘리베이터 내부 중 가장 가까운 Point와의 거리를 객체의 Depth
x − 640
1280 × depth × 𝛼
기울기 : ∗ 𝛼 = 0.4
23
24. 03
chapter
X
Frustum PointNets 구현 과정 | 2) Region2Frustum Function
depth
▶ 샘플링
• 1024개보다 point가 많으면 랜덤으로 1024개만 샘플링
• 1024개보다 적은 경우는 나머지를 원점 좌표로 채워서 1024개를 반환
24
25. 03
chapter
X
Frustum PointNets 구현 과정 | 3) 3D Object Detection model
▶ 학습
• Pre-trained weight가 사람이 아닌 자동차로 학습한 모델
• 수집한 데이터로 파인튜닝을 진행
• 374개의 Train 데이터로 총 40번의 epoch으로 Train
• 30개의 데이터로 Test
주제
주제
Frustum PointNet v1
Pre-trained pytorch 모델을 가져와 사용
⇨ Frustum PointNet에서 2D Detection, region2frustum이 빠진 뒷부분 모델
25
Fig 12. Frustum PointNets
26. 03
chapter
X
Frustum PointNets 구현 과정 | 결과
Train Loss(Finetuned; epoch40) 18.8933
Test Loss(Finetuned; epoch40) 27.2467
Test Loss(Pre-trained; Not finetuned) 4628.8567
Yolo Prediction Center Prediction
<예시 1>
26
27. 03
chapter
X
Frustum PointNets 구현 과정 | 결과
Yolo Prediction Center Prediction
<예시 2>
Train Loss(Finetuned; epoch40) 18.8933
Test Loss(Finetuned; epoch40) 27.2467
Test Loss(Pre-trained; Not finetuned) 4628.8567
27
29. 자율주행 Algorithm
04
chapter
X
2 객체 인식 및 거리 추정
1 LiDAR SLAM 점유 지도 생성
4 경로 계획
3 점유 지도 업데이트
5 경로 추종
주제
주제
SLAM (동시적 위치추정 및 지도작성)
주변 환경 지도를 작성하는 동시에 차량의 위치를 작성된 지도 안에서 추정
점유 지도
29
30. 04
chapter
X
2 객체 인식 및 거리 추정
1 LiDAR SLAM 점유 지도 생성
4 경로 계획
3 점유 지도 업데이트
5 경로 추종
주제
주제
객체 인식 및 거리 추정
자율주행 Algorithm
TOP
내부의 사람을 인식하고 거리를 추정
30
31. 04
chapter
X
2 객체 인식 및 거리 추정
1 LiDAR SLAM 점유 지도 생성
4 경로 계획
3 점유 지도 업데이트
5 경로 추종
주제
주제
점유 지도
정적 지도와 동적 지도를 합친 점유 격자 지도(Occupancy Grid Map)
자율주행 Algorithm
점유 지도
31
32. 자율주행 Algorithm
04
chapter
X
2 객체 인식 및 거리 추정
1 LiDAR SLAM 점유 지도 생성
4 경로 계획
3 점유 지도 업데이트
5 경로 추종
주제
주제
하이브리드 A* Algorithm
주어진 출발 꼭짓점에서 목표 꼭짓점까지 가는 최단 경로를 나타내는 그래프 탐색
비용(f) = 시작노드에서 목표노드 까지와의 거리(h) + 목표노드 방향에 대한 비용(g)
시작노드 목표노드
장애물
32
33. 04
chapter
X
2 객체 인식 및 거리 추정
1 LiDAR SLAM 점유 지도 생성
4 경로 계획
3 점유 지도 업데이트
5 경로 추종
주제
주제
Pure Pursuit (경로 추적 알고리즘)
로봇을 현재 위치에서 전방의 전방 주시 지점에 도달하도록 이동시키는 각속도 계산
자율주행 Algorithm 33
36. 05
chapter
X
한계 및 의의 | 한계점
데이터 직접 수집 및 라벨링으로 인한 데이터 양의 한계 및 과적합 우려
Region2Frustum을 구현 시 많은 시간 소요
이 부분의 속도를 늘리면 yolo와 Frustum PointNets의 속도가 빠르기 때문에
3D Object Detection의 성능이 향상 될 것으로 보임
예측 수행 시, Center Point Prediction은 잘 수행됐으나, Cuboid Size는 추가적인 Fine-tuning 필요
36
37. 05
chapter
X
한계 및 의의 | 의의
로봇의 층간이동을 위한 딥러닝 기반 Frustum PointNets Model 직접 구현 및
객체의 중심을 잘 예측함
라이다 딥러닝을 활용해서 객체 인식을 수행하고,
위치 인식까지 수행했다는 점에서 그 활용가능성을 확인
37
38. 05
chapter
X
참고 문헌
> 논문/학술지
• Charles R. Qi1 et al. (2018), 「 Frustum PointNets for 3D Object Detection from RGB-D Data 」
> Image
• Fig 1. 미국 캘리포니아주 베어로보틱스의 서빙로봇 서비와 서비미니 https://kr.bearrobotics.ai/servi
• Fig 2. 자율주행 배달로봇 ‘뉴비’ https://www.epnc.co.kr/news/articleView.html?idxno=222052
• Fig 3. 물류 로봇 LG 클로이 캐리봇 https://live.lge.co.kr/lg-cloi-kt/
• Fig 4,5. 인천 공항 길 안내 로봇, 청소 로봇 – 인천국제공항공사
• Fig 6. https://www.boannews.com/media/view.asp?idx=106440
• Fig 7. https://post.naver.com/viewer/postView.nhn?volumeNo=19409070&memberNo=3251907
• Fig 8. PointPillars https://talktato.tistory.com/15
• Fig 9. PointNet https://wjs7347.tistory.com/20
• Fig 10. 체커보드 https://docs.opencv.org/3.4/dc/dbb/tutorial_py_calibration.html
• Fig 11. Yolo v5 https://towardsdatascience.com/yolov5-compared-to-faster-rcnn-who-wins-a771cd6c9fb4
• Fig 12. frustum-pointnets http://stanford.edu/~rqi/frustum-pointnets/images/results.jpg
38