총 58개
-
베이지안 네트워크 이용해서 잔디가 젖어있는 원인 추정하기2025.01.171. 베이지안 네트워크 베이지안 네트워크는 확률적 모델을 기반으로 사건 간의 의존 관계를 표현하는 도구입니다. 이를 통해 복잡한 문제를 구조적으로 분석하고 예측할 수 있습니다. 이 예제에서는 베이지안 네트워크를 사용하여 비가 오는지, 스프링클러가 작동하는지, 그리고 잔디가 젖는지에 대한 관계를 모델링하고 있습니다. 2. 조건부 확률 베이지안 네트워크에서는 각 변수 간의 의존 관계를 나타내기 위해 조건부 확률 분포를 사용합니다. 이를 통해 주어진 조건하에서 특정 사건이 발생할 확률을 계산할 수 있습니다. 이 예제에서는 비의 발생 확률...2025.01.17
-
인공지능 시대에 데이터베이스의 필요성 및 중요성2025.01.181. 데이터베이스와 인공지능의 상호작용 데이터베이스와 인공지능은 밀접한 관계를 가지고 있습니다. 인공지능 알고리즘은 대량의 데이터를 필요로 하며, 데이터베이스 시스템은 이러한 데이터를 효율적으로 관리하고 활용할 수 있게 해줍니다. 데이터베이스는 실시간 처리와 대용량 데이터 활용을 위해 진화하고 있으며, 이를 통해 인공지능 기술의 발전을 지원하고 있습니다. 이러한 상호작용은 다양한 분야에서 혁신과 가치를 창출하고 있습니다. 2. 데이터 구조화와 데이터베이스의 역할 데이터의 구조화는 인공지능 기술의 효율성과 정확성을 높이는 데 중요한 ...2025.01.18
-
데이터 사이언티스트 인터뷰 준비2025.01.201. 데이터 전처리 데이터셋에 존재할 수 있는 결측값과 이상치를 처리하는 것이 중요하다. 결측값은 평균, 중앙값 등으로 대체하거나 제거할 수 있으며, 이상치는 상자 그림이나 Z-점수를 사용해 식별하고 제거하거나 대체할 수 있다. 또한 데이터의 스케일을 맞추기 위해 정규화 작업이 필요하다. 2. 머신러닝 모델 과적합 방지 과적합을 방지하기 위해 교차 검증, 정규화 기법(L1, L2), 조기 종료 등의 방법을 사용할 수 있다. 교차 검증을 통해 데이터를 최대한 활용하고 모델의 일반화 성능을 평가할 수 있으며, 정규화 기법은 모델의 복잡...2025.01.20
-
성균관대 디지털플랫폼경영(Platform Business in Digital Economy) 교안 요약2025.01.201. 플랫폼 비즈니스 플랫폼은 외부 생산자와 소비자 간의 가치 창출 상호작용을 가능하게 하는 것으로, 다양한 선택, 검색, 시간 절약, 리뷰를 통한 정보 제공 등의 기능을 제공하여 비선형적인 효용과 가치 증대를 가져온다. 플랫폼의 주요 역할은 사용자 유치, 매칭, 거래 촉진이며, 이를 통해 네트워크 효과와 자체 가치를 창출한다. 2. 플랫폼 유형 플랫폼은 거래 플랫폼과 혁신 플랫폼으로 구분된다. 거래 플랫폼은 사용자 간 직접 거래를 중개하며, 혁신 플랫폼은 보완재 개발을 촉진한다. 플랫폼의 성공을 위해서는 적절한 시기 진입, 교차 ...2025.01.20
-
건국대학교 오픈소스SW프로젝트 1 머신러닝으로 해결할 수 있는 문제, 머신러닝의 세가지 요소2025.01.191. 머신러닝을 적용할 수 있는 문제 사용자의 음식 기호에 맞는 한식 추천 문제를 해결하기 위해 비지도학습의 분류를 사용할 수 있으며, 서포트벡터 머신 모델을 고려하고 있다. 또한 사용자에게 세 가지 정도의 한식을 추천하는 것을 목표로 하고 있다. 2. 머신러닝의 3가지 요소 머신러닝의 핵심 요소는 Task, Experience, Performance measure이다. Task는 머신러닝을 통해 해결하려는 문제, Experience는 실제 데이터를 바탕으로 한 학습, Performance measure는 학습을 바탕으로 생성된 모...2025.01.19
-
인공지능 ) 1. 역전파와 순전파에 대해서 설명 2. 손실함수는 어떤 특성을 갖는가 3. 옵티마이저가 무엇인지 설명 4. 위의 4가지의 연관관계를 5줄 이내로 설명2025.01.191. 역전파와 순전파 역전파와 순전파는 딥러닝, 머신러닝 등에서 학습하는 방법을 의미한다. 인공지능 모델은 필연적으로 학습을 진행하게 되는데, 이때 학습의 방향이 앞에서 뒤로 순차적으로 진행되는 학습을 순전파, 뒤에서 앞으로 학습이 진행되는 것을 역전파라고 한다. 2. 손실함수의 특성 손실함수는 학습을 위한 알고리즘이 실제와 얼마나 차이가 나는지, 오류를 판단하기 위한 함수로써 여겨진다. 학습을 기반으로 나온 데이터와 실제데이터 간의 오차를 직접적으로 계산하여 인공지능 모델의 최적화를 위한 가장 중요한 지표로써 간주한다. 3. 옵티...2025.01.19
-
데이터 사이언티스트 - 21세기 최고의 직업2025.01.191. 데이터 사이언티스트의 정의와 필요성 21세기 들어 정보와 데이터의 중요성이 급격히 증가했으며, 기업과 정부, 연구기관 등 다양한 분야에서 데이터의 수집과 분석을 통해 새로운 가치를 창출하고 있다. 이 과정에서 핵심적인 역할을 하는 직업이 바로 데이터 사이언티스트이다. 데이터 사이언티스트는 통계학자와 데이터 엔지니어와 구분되는 독특한 역할을 한다. 2. 데이터 사이언티스트의 매력과 인기도 데이터 사이언티스트 직업의 매력은 높은 수요와 보상, 다양한 산업에서의 활용, 기술 발전에 따른 지속적인 학습 기회, 사회적 가치 창출 등 다...2025.01.19
-
마이크로 모빌리티 서비스 제공 기업의 수요 예측 전략2025.01.191. 수요 예측 방법 과거 데이터 분석, 회귀 분석, 머신러닝 모델 등 다양한 방법을 활용하여 전동 킥보드의 수요를 예측할 수 있다. 과거 이용 데이터를 분석하여 시간대별, 요일별, 계절별 이용 패턴을 파악하고, 날씨, 인구 밀도, 교통 상황 등 다양한 변수와의 관계를 분석하여 수요를 예측할 수 있다. 또한 머신러닝 모델을 활용하면 복잡한 패턴을 정확하게 포착할 수 있어, 수요 예측의 정밀도가 향상될 것이다. 2. 필요한 데이터 수요 예측을 위해 필요한 데이터에는 과거 이용 데이터, 인구 및 인구 이동 데이터, 날씨 데이터, 교통 ...2025.01.19
-
방송통신대학교(방통대) 머신러닝 과목 출석수업과제물 리포트2025.01.241. 머신러닝의 일반적 처리 과정 머신러닝의 일반적인 처리 과정은 학습과 추론으로 구성됩니다. 학습 단계에서는 데이터 전처리, 특징 추출, 학습 진행, 결정 함수 생성 등의 과정을 거치고, 추론 단계에서는 테스트 데이터 전처리, 특징 추출, 추론 진행, 처리 결과 획득 등의 과정을 거칩니다. 2. 머신러닝의 4가지 주제 머신러닝의 4가지 주요 주제는 분류, 회귀, 군집화, 특징 추출입니다. 분류는 입력을 미리 정의된 이산적인 출력으로 매핑하는 문제이고, 회귀는 입력을 연속적인 실수 값으로 매핑하는 문제입니다. 군집화는 데이터를 교집...2025.01.24
-
공업수학 ) 공업수학의 차원(次元, dimension) 도구 중 한 가지 선택 후 주제 대상의 효과적 활용에 대해 장점이나 근거, 예시 등을 구체적으로 제시하되 자기 고유 의견을 포함시켜 논술2025.01.241. 벡터(vector)의 효과적 활용 벡터는 선형대수학의 기본 단위라고 할 수 있으며 다양한 데이터들을 쉽게 표현할 수 있다는 점이 큰 장점이라고 할 수 있다. 데이터를 다양한 피처로 표현할 수 있으며, 피처를 목록화시키게 되면 데이터 사이언스에서는 벡터가 곧 피처의 목록이 될 수 있어 데이터 특징을 쉽게 표현할 수 있다는 점이 장점이고 효과적인 활용으로 평가될 수 있다. 또한 데이터들을 표현하는 식을 찾기 위해서 좌표계를 활용해 식을 찾을 수 있는 지도를 만들 수 있다는 점에서 효과적인 활용으로 평가될 수 있다. 최근 머신러닝과...2025.01.24
3 / 6
