총 87개
-
[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 애널리틱스와 관련 기술의 정의 및 역사2025.01.261. 비즈니스 애널리틱스 비즈니스 애널리틱스는 기업의 의사 결정을 지원하기 위해 데이터를 분석하여 통찰력을 도출하고 이를 기반으로 전략을 수립하는 과정입니다. 비즈니스 애널리틱스는 20세기 중반 컴퓨터 기술의 발전과 함께 시작되었으며, 통계 기법, 데이터 마이닝, 예측 모델링, 인공지능 등을 활용하여 비즈니스 성과를 개선하는 것을 목표로 합니다. 2. 데이터 과학 데이터 과학은 다양한 형태의 데이터를 분석하고 의미 있는 정보를 추출하는 학문적 분야입니다. 통계학, 수학, 컴퓨터 과학 등을 기반으로 하며, 데이터 처리, 분석, 예측 ...2025.01.26
-
방송통신대학교 통계데이터학과) 파이썬컴퓨팅 출석수업과제물 (30점 만점 A+)2025.01.261. 파이썬 개발 서비스 및 소프트웨어 파이썬은 ABC 언어의 특징을 계승하여 1991년 2월에 version 0.9.0을 시작으로 간결한 문법, 쉬운 사용성, 높은 확장성을 추구하는 프로그래밍 언어로 개발되었고, 1994년에 함수형 프로그래밍, 문자열 처리 기능 등을 추가한 version 1.0이 공개되면서 파이썬의 서막이 열렸다. 그 이후, version 2.0, 3.0을 거쳐 현재는 version 3.21.1까지 꾸준히 발전해왔다. 파이썬이 발전하게 된 중요한 계기는 다양한 라이브러리의 등장인데, 데이터과학 분야에서는 Nump...2025.01.26
-
미래사회와 소프트웨어 과제 012025.01.291. GPU(Graphic Processing Unit) GPU는 컴퓨터에 들어있는 부품 중 하나로, 주로 그래픽 렌더링 작업을 수행하는 데 사용되지만 최근에는 과학 계산, 인공지능, 데이터 분석 등 다양한 용도로 활용되고 있다. GPU는 CPU와 달리 많은 연산을 병렬적으로 처리할 수 있는 강점이 있어 그래픽 및 영상처리, 인공지능, 머신러닝, 데이터 분석, 과학적 시뮬레이션 등의 작업에 유용하게 사용된다. 또한 GPU는 암호화폐 채굴 과정에서 중요한 역할을 하며, 머신러닝과 딥러닝에도 활용된다. 2. CPU와 GPU의 차이 CP...2025.01.29
-
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
-
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
-
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
-
숨겨진 물리적 변수 발견을 위한 머신 러닝 알고리즘2025.01.161. 머신 러닝 알고리즘 최근 과학의 발전이 점차 복잡한 방향으로 나아가면서, 이를 이해하고 분석하기 위한 방법론에 대한 필요성이 증가하고 있다. 특히 물리학에서는 복잡한 물리적 현상을 설명하기 위해 다양한 변수들을 식별하고 이들 간의 관계를 정의하는 과정이 요구되는데, 이는 굉장히 복잡하고 어려운 작업이다. 이러한 배경 속에서 컬럼비아 대학의 연구진이 개발한 머신 러닝 알고리즘은 동작 관련 영상만을 보고도 관련된 물리적 변수를 발견하고 산출하는 능력을 갖추고 있다. 2. 물리적 변수 발견 이 알고리즘이 뛰어난 점은, 알려진 시스템...2025.01.16
-
파이썬프로그래밍 - 파이썬의 개념과 특징을 정의하고, 파이썬으로 할 수 있는 일 3가지를 실제 사례를 들어 작성하시오.2025.01.161. 파이썬의 개념과 특징 파이썬은 1991년 귀도 반 로섬(Guido van Rossum)에 의해 개발된 고급 프로그래밍 언어입니다. 파이썬은 읽기 쉬운 문법과 동적 타이핑(dynamic typing), 인터프리터(interpreter) 방식의 언어로 잘 알려져 있습니다. 또한 객체 지향 프로그래밍(Object-Oriented Programming)과 함수형 프로그래밍(Functional Programming)을 지원합니다. 파이썬의 주요 특징으로는 간결하고 읽기 쉬운 문법, 광범위한 표준 라이브러리, 플랫폼 독립성, 동적 타이핑...2025.01.16
-
인과관계의 개념과 증명을 위한 세 가지 조건2025.05.031. 인과관계의 개념 인과관계는 어떤 사건이 다른 사건에 영향을 미치는 관계를 의미합니다. 즉, 한 사건이 다른 사건의 원인이 되는 관계를 말합니다. 인과관계는 시간적 선후관계, 논리적 관계, 다양한 요인의 영향을 받는 특징을 가지고 있습니다. 인과관계를 파악하는 것은 다양한 분야에서 중요한 의사결정을 내리는 데 도움이 됩니다. 2. 인과관계 증명을 위한 세 가지 조건 첫째, 두 사건 간에 상관관계가 존재해야 합니다. 둘째, 원인이 결과보다 먼저 발생해야 합니다. 셋째, 인과관계를 제외한 다른 요인의 영향을 제어해야 합니다. 이를 ...2025.05.03
6 / 9
