
총 87개
-
세종대학교 소프트웨어 특강 과제12025.05.101. Linear Regression 주어진 데이터에 대해 가장 잘 맞는 선형 회귀 모델을 찾았습니다. Gradient Descent 알고리즘을 사용하여 모델의 최적 매개변수를 구했으며, 이를 통해 입력 x=15에 대한 y 값을 예측할 수 있었습니다. 또한 회귀선을 데이터 포인트와 함께 시각화하였습니다. 2. Logistic Regression 두 개의 입력 변수(Petal_Length, Petal_Width)를 사용하여 Iris versicolor와 Iris virginica 두 클래스를 구분하는 로지스틱 회귀 모델을 구현하였습니...2025.05.10
-
방송통신대학교(방통대) 정보통신망 2023년 중간 과제물 만점 리포트2025.01.241. 디지털 배지 디지털 배지는 기존의 물리적인 증명서와 달리 개인정보 노출을 최소화하고, 유효성 검증이 간단하며, 분실 위험이 없고, 추가 정보 제공이 용이하다는 장점이 있다. 디지털 배지는 블록체인 기술과 결합하여 변조가 어렵고 발급 기관이 사라져도 검증이 가능하며, 머신러닝 기술과 결합하여 사용자에게 맞춤형 교육 과정을 추천해줄 수 있다. 디지털 배지의 도입을 위해서는 표준화와 신뢰할 수 있는 통합 데이터베이스 구축이 선행되어야 한다. 2. 개인정보 보호 기존의 물리적인 증명서는 개인정보를 과도하게 포함하고 있어 증명서를 제출...2025.01.24
-
머신러닝과 수율 영향인자 분석하기2025.05.101. 수율 영향 요소 제조 과정에서 수율에 영향을 미치는 주요 요소로는 원자재 품질, 공정 설계 및 제어, 장비 및 기술, 작업자의 기술과 교육, 품질 관리 시스템, 환경 조건 등이 있습니다. 이러한 요소들은 제조 산업의 특성과 제품에 따라 다를 수 있지만, 일반적으로 수율 향상을 위해서는 이러한 요소들을 관리하고 최적화하는 것이 중요합니다. 2. 머신러닝을 활용한 수율 영향성 분석 머신러닝을 활용하여 수율 영향성을 분석하기 위해서는 데이터 수집, 전처리, 특성 선택 및 추출, 모델 구축, 학습 및 평가, 결과 해석 등의 단계를 거...2025.05.10
-
머신러닝, 딥러닝을 활용한 부동산 거래 지원 서비스 제안2025.01.041. 머신러닝과 딥러닝의 개념 머신러닝은 기계가 데이터와 알고리즘을 사용해 스스로 학습하고 지능을 높여가는 인공지능 기술이다. 딥러닝은 기계학습의 고차원적 수준으로, 연속된 층을 점진적으로 심도 있게 학습할 수 있다. 이를 통해 기계가 사람처럼 자연스럽게 사고하고 행동하는 것이 가능해진다. 2. 머신러닝과 딥러닝의 활용 사례 머신러닝과 딥러닝은 다양한 분야에서 활용되고 있다. 챗봇, 음성인식, 이미지 인식, 기계 번역 등이 대표적인 사례이다. 부동산 분야에서도 머신러닝을 활용해 부동산 가격 예측, 투자 의사결정 지원 등에 활용되고 ...2025.01.04
-
미래 산업에서의 RPA의 역할2025.04.281. RPA(Robotic Process Automation) RPA는 소프트웨어 로봇이 다양한 산업에서 인간이 수행하는 반복적이고 일상적인 규칙 기반 작업을 자동화할 수 있도록 하는 기술입니다. RPA는 수동 작업을 자동화하고 인적 오류를 줄여 효율성, 정확성 및 속도를 높이는 것을 목표로 합니다. RPA의 개념은 제조 산업의 로봇 자동화에서 시작되었으며, 2000년대 초반부터 기업들이 비즈니스 프로세스에 소프트웨어 로봇을 사용하기 시작했습니다. RPA는 기존 자동화와 달리 사용자 인터페이스 수준에서 작동하며, 복잡한 코딩이나 I...2025.04.28
-
디지털 중개 및 공유 트렌드와 미래 전망 보고서 - 디지털 혁신의 물결, 중개와 공유가 만드는 새로운 경제2025.01.101. 디지털 중개 및 공유 경제 이 보고서는 디지털 중개 및 공유 경제의 현재와 미래를 탐구하며, 최신 인공지능 기술과의 융합을 통해 이 분야가 어떻게 변화하고 있는지를 분석합니다. 디지털 중개 및 공유 경제는 인터넷과 모바일 기술의 발전에 힘입어, 전 세계적으로 다양한 산업 분야에서 급속도로 성장하고 있습니다. 이 보고서는 이러한 경제 모델이 소비자와 기업에 어떤 새로운 기회를 제공하는지, 그리고 이와 동시에 어떤 도전 과제를 안고 있는지를 탐색합니다. 2. 인공지능 기술 생성형 인공지능(Generative AI), 머신러닝(Ma...2025.01.10
-
글로벌비즈니스애널리틱스1공통 비즈니스 애널리틱스란 데이터 과학 데이터 애널리틱스 데이터 분석 인공지능 머신러닝 딥러닝이 무엇인지 설명하시오2025.01.261. 비즈니스 애널리틱스 비즈니스 애널리틱스(Business Analytics)는 데이터를 기반으로 비즈니스 의사 결정을 지원하는 과정입니다. 기업의 경영활동의 효율성을 제고하기 위해 지원되는 비즈니스 도구로서, 과거 뿐만 아니라 현재 실시간으로 발생하는 데이터에 대하여 연속적이고 반복적인 분석을 통해 미래를 예측하는 통찰력을 제공하는데 활용 됩니다. 주로 데이터를 수집하고 분석하여 중요한 통찰력을 도출하고, 이를 통해 비즈니스 성과를 향상시키는 데 중점을 둡니다. 2. 데이터 과학 데이터 과학(data science)이란, 데이터...2025.01.26
-
비즈니스 애널리틱스 관련 용어 설명2025.01.261. 데이터 과학 데이터 과학(Data Science)은 데이터를 통해 새로운 인사이트를 발견하고, 복잡한 문제를 해결하는 학문 분야입니다. 데이터 과학은 통계학, 컴퓨터 과학, 수학 등을 융합하여 데이터를 분석하고, 이를 기반으로 의사결정을 지원하는 학문적 기초를 제공합니다. 데이터 과학자는 데이터를 수집, 처리, 분석하여 유의미한 결과를 도출하며, 이를 통해 비즈니스 문제를 해결하거나 새로운 기회를 창출합니다. 2. 데이터 애널리틱스 데이터 애널리틱스(Data Analytics)는 데이터를 분석하여 과거의 패턴을 파악하고, 현재...2025.01.26
-
[글로벌 비즈니스 애널리틱스] 비즈니스 애널리틱스의 역사와 정의, 관련 용어 설명2025.01.261. 비즈니스 애널리틱스의 역사 비즈니스 애널리틱스는 20세기 후반부터 본격적으로 발전하기 시작했다. 1960년대와 70년대에는 데이터 처리 기술의 발전이 주로 통계적 분석과 의사결정 지원 시스템(DSS)에 중점을 두고 있었다. 1990년대에는 데이터베이스 관리 시스템(DBMS)과 데이터 마이닝 기법이 등장하면서 보다 복잡한 데이터 분석이 가능해졌다. 2000년대 들어서는 빅데이터와 클라우드 컴퓨팅의 등장으로 인해 데이터 수집과 저장, 분석이 용이해지면서 비즈니스 애널리틱스가 더욱 발전하였다. 2. 비즈니스 애널리틱스의 정의 비즈니...2025.01.26
-
비즈니스 애널리틱스란 무엇인지 설명하시오2025.01.261. 비즈니스 애널리틱스의 역사와 정의 비즈니스 애널리틱스는 1950년대 경영과학에서 출발하여, 기술 발전과 함께 꾸준히 진화해 왔다. 비즈니스 애널리틱스는 데이터를 기반으로 비즈니스 문제를 해결하고 전략적 의사결정을 지원하는 일련의 프로세스를 의미한다. 이는 단순한 데이터 분석을 넘어, 데이터를 통해 미래를 예측하고 최적의 행동을 결정하는 데 중점을 둔다. 2. 비즈니스 애널리틱스 관련 용어 설명 데이터 과학, 데이터 애널리틱스, 데이터 분석, 인공지능, 머신러닝, 딥러닝 등 비즈니스 애널리틱스와 관련된 주요 용어들을 자세히 설명...2025.01.26