총 87개
-
머신러닝의 3가지 학습 방법: 지도학습, 비지도 학습, 강화학습2025.01.041. 지도학습 지도학습은 입력과 출력 간의 관계를 학습하는 방식으로, 정답과 사례를 연결시켜주는 방식으로 이루어집니다. 데이터 집합을 통해 입력과 출력 간의 함수관계를 기계가 배우게 되며, 이렇게 얻어진 함수를 모델이라고 합니다. 지도학습으로 만들 수 있는 대표적인 것은 패턴 분류와 회귀분석입니다. 2. 비지도 학습 비지도학습은 입력 데이터 세트에 레이블을 달아주지 않고, 기계가 데이터를 묶을 수 있는 특징을 스스로 찾아내게 합니다. 비지도 학습은 데이터 집합 속에서 숨겨진 패턴을 배우며, 군집화를 이용해 서로 유사한 데이터를 묶습...2025.01.04
-
성공적인 머신러닝 모델링을 위한 프로세스2025.01.151. 결정 트리 알고리즘 결정 트리(Decision Tree)는 지도 학습(Supervised Learning)에서 사용되는 머신러닝 알고리즘 중 하나입니다. 이 알고리즘은 데이터를 분석하고 특정 기준에 따라 여러 개의 의사 결정 규칙을 만들어내는 방식으로 동작합니다. 이러한 의사 결정 규칙들을 트리 구조로 나타내기 때문에 '결정 트리'라는 이름이 붙었습니다. 의사 결정 트리는 금융, 의료, NLP, 추천 시스템 및 프로세스 최적화 내에서 주로 사용되며, 다양한 도메인에 걸친 의사결정 트리의 다양성을 보여주고 많은 산업에서 실제 문...2025.01.15
-
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
-
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
-
정보기술의 발전과정과 기업의 활용 사례2025.01.211. 퀵커머스 마켓컬리는 기존의 전자상거래와 달리 밤 11시 늦게 고객이 주문하더라도 다음날 7시 전까지 새벽에도 배송해주는 퀵커머스 시스템을 가지고 있다. 이러한 퀵커머스 시스템의 기반에는 휴대폰 어플리케이션이라는 정보통신기술이 중심이 되었다. 2. SCM 마켓컬리는 운송을 담당하는 부서를 3개로 나누어, 운송에 대한 리스크를 감소하는 방향으로 SCM을 실현한다. 부서 간의 통신과 다른 운송업체와의 실시간 피드백 및 실시간 사항을 전달하는 것은 정보통신기술이 아니라면 불가능하다. 3. CRM 마켓컬리는 고객의 니즈를 파악하기 위해...2025.01.21
-
인공지능의 개념과 기술 그리고 활용사례2025.01.091. 인공지능의 개념 인공지능은 인간의 학습, 추론, 문제 해결 등의 능력을 컴퓨터 프로그램이나 시스템을 통해 모방하거나 수행하는 기술을 의미합니다. 인공지능의 주요 특징 중 하나는 기계가 데이터를 학습하고 경험을 쌓아 나가는 능력을 가지고 있다는 것입니다. 이를 통해 기계는 문제를 해결하거나 패턴을 파악할 수 있으며, 인간의 학습과정을 모방하여 새로운 상황에 대처할 수 있게 됩니다. 2. 머신러닝과 딥러닝 머신러닝은 데이터를 기반으로 컴퓨터 시스템이 학습하고 예측을 수행하는 기술이며, 지도 학습, 비지도 학습, 강화 학습 등의 방...2025.01.09
-
경영정보시스템 - AWS 클라우드 컴퓨팅 서비스 분석2025.05.081. AWS 클라우드 컴퓨팅 서비스 AWS는 컴퓨팅, 스토리지, 데이터베이스, 분석 서비스는 물론 사물인터넷(IoT), 머신러닝 서비스 등 다양한 클라우드 컴퓨팅 서비스를 제공한다. 주요 서비스로는 Amazon EC2, Amazon S3, Amazon EBS, Amazon RDS, Amazon DynamoDB, Amazon Redshift, Amazon Kinesis, Amazon EMR, Amazon SageMaker, AWS IoT 등이 있다. 이러한 서비스는 확장성과 유연성이 뛰어나며 다양한 애플리케이션에 활용될 수 있다. 2...2025.05.08
-
대학 부설 한국어 어학당을 AI로 분석 적용(인공지능과 데이터마이닝 과제)2025.05.141. 어학연수생 유치 예측 마케팅 기술을 활용하여 과거 10년간의 모집 인원 데이터를 분석하고 국가별, 지역별, 성별, 연령별, 성취도, 모집기관별 등의 데이터를 활용한 CRM 데이터를 구축할 수 있습니다. 이를 통해 시기에 맞는 맞춤형 마케팅 정보를 제공할 수 있습니다. 또한 모집 프로세스에 AI를 도입하여 서류 검토, AI 인터뷰, 챗봇 상담 등을 자동화함으로써 업무 프로세스를 개선하고 효율성을 높일 수 있습니다. 2. 교육시스템 개선 AI 학습 플랫폼을 개발하여 학생들이 본국에서 입국 전부터 사전 학습을 할 수 있도록 하고, ...2025.05.14
-
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
-
머신러닝에서의 과적합 문제2025.05.101. 과적합(Overfitting) 과적합은 머신러닝에서 중요한 문제 중 하나입니다. 머신러닝 모델이 훈련 데이터에 너무 특화되어 있어 새로운 입력 데이터에 대한 예측 능력이 저하되는 현상을 말합니다. 이는 모델의 성능과 일반화(generalization) 능력을 감소시키며, 실제 응용에서 신뢰할 수 없는 결과를 초래할 수 있습니다. 2. 과적합의 원인 과적합은 데이터의 특성을 완벽하게 기억하는 것에서 비롯됩니다. 모델은 훈련 데이터에 맞추기 위해 복잡한 패턴과 노이즈까지도 학습할 수 있습니다. 일반적으로 데이터의 양이 적은 경우,...2025.05.10
3 / 9
