ขนมชั้นเธอห้ามกิน

ขนมชั้นสุดเหล่ท่อ

Inspiration

เนื่องจากในปัจจุบันปัญหาของก๊าซคาร์บอนไดออกไซด์ เป็นสาเหตุสำคัญที่ทำให้อุณหภูมิสูงขึ้น และเป็นชนวนของมลภาวะต่างๆ ทีมของเราจึงสนใจในการใช้ Machine learning ในการทำนายความสามารถในการดูดซับก๊าซของ MOF และวิธีการพัฒนาโมเดลในมีประสิทธิภาพสูง

What it does

Model ของเรานั้นใช้ architecture ของ neural network ในการทำนาย working capacity ของ MOF ใน test set 17,000 ตัว โดยเรียนรู้จาก Numerical Features เฉพาะที่เป็นแค่ตัวเลขของ train set 60,000 กว่าโครงสร้าง โดยวิธีที่ใช้พัฒนาโมเดลคือ Feature selector that removes all low-variance features และ ปรับ Hyperparameter อัตโนมัติโดยใช้ library talos

How we built it

Import packages --> ในขั้นตอนแรกนะครับ เราจะ import library ที่เกี่ยวข้องกับงานของเรา
Mount Drive --> ในขั้นตอนต่อไปเราจะเชื่อมต่อกับ google drive เพื่อเอาไฟล์ข้อมูลมาใช้งาน
Install talos --> เราติดตั้ง talos เพื่อปรับ hyperparameter อัตโนมัติ
Import data --> โหลดข้อมูล train set และ test set
All Features --> ดูข้อมูลว่ามี feature อะไรที่สำคัญบ้าง
Numerical Features --> จากนั้นเราจะเลือกใช้แค่ feature ที่เป็นตัวเลข เนื่องจากในช่วงแรกกลุ่มของเราได้จัดการข้อมูลประเภท categorical data โดยใช้วิธีการ one-hot encoder เพื่อไปใช้งานใน model แต่ข้อสังเกตที่พบคือไม่ได้ช่วยในการเพิ่มประสิทธิภาพ model มากนัก เราจึงใช้เพียงข้อมูลที่เป็นตัวเลข
Data only numerical features --> เราจะมาดูข้อมูลเฉพาะแค่ numerical feature แล้ววิเคราะห์
Clean data --> เราจะมาทำความสะอาดข้อมูล 8.1 โดยขั้นแรกเราจะ drop row ของข้อมูลที่เป็นที่ว่างหรือ Nan และข้อมูลที่เป็น -inf และ +inf 8.2 เราจะวิเคราะห์ข้อมูลทางเคมีของ MOF เพื่อ drop data ที่น่าจะผิดพลาด
Prepare training and validation sets --> เพื่อเหตุผลในเรื่อง generalization
Feature selector that removes all low-variance features --> เราจะลบข้อมูลที่ low variance
Neural network model and hyperparameter with Talos --> เราจะ train model โดย neural network และปรับ hyperparameter อัตโนมัติ
Submit to Codalab --> เราจะ predict working capacity of test set 17,000 ตัว save เป็นไฟล์ zip และส่งงานใน codalab ## Challenges we ran into
เรื่องพัฒนาประสิทธิภาพ model ซึ่งมีหลายวิธีการในการเลือกใช้
ความรู้เรื่องเคมีซึ่งเป็นเรื่องยากสำหรับคนที่ไม่ได้อยู่ใน field
ในเรื่องการใช้ library talos ในการปรับhyperparameter อัตโนมัติ ซึ่งถ้าเราใช้ hyperparameter จำนวนมากจะใช้เวลาใน computational นานมาก ## Accomplishments that we're proud of model มีประสิทธิภาพดีขึ้น