총 87개
-
AI의 등장과 영향, 산업 분야별 적용 사례 및 전망2025.05.161. 새로운 산업 혁명, AI의 시작 ChatGPT는 인간과 유사한 텍스트를 생성하고 광범위한 질문에 높은 정확도로 응답할 수 있다는 점에서 호평을 받고 있습니다. 의료, 금융, 고객 서비스를 포함한 많은 산업은 다양한 프로세스를 자동화할 수 있고 개선할 수 있는 잠재력에 의해 ChatGPT를 채택하기 시작했습니다. 2. 생성형 AI 생성형 AI란 머신러닝 알고리즘을 통해 학습 데이터를 기반으로 새로운 콘텐츠를 만드는 기술입니다. 이 생성형 AI가 바로 ChatGPT입니다. 머신러닝은 컴퓨터가 주어진 데이터로부터 자체 학습을 하여 ...2025.05.16
-
기업의 경영활동에서 발생한 문제를 해결하기 위한 노력2025.05.041. 기업의 빅데이터 활용 비즈니스 환경의 변화에 따라 정보시스템의 필요성이 대두되면서 기업들은 정보를 경영의 필수 요소로 판단하고 있다. 이에 따라 정보를 처리할 수 있는 시스템인 '빅데이터'가 발전하게 되었다. 금융권에서는 빅데이터 기반 머신러닝을 이용하여 이상금융거래를 사전에 탐지하고 방지하고 있으며, 신한은행은 SACP(Shinhan AI Core Platform)에 머신러닝 자기학습 프로세스를 도입하여 모형 재개발 비용과 시간을 절감하고 신용평가 모형을 지속적으로 최신화하여 신속한 대응력을 갖추게 되었다. 이처럼 빅데이터는...2025.05.04
-
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
-
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
-
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
-
슈퍼 마리오 - 인공지능은 어떻게 게임을 할까?2025.05.081. 데이터 기반 학습 인공지능은 슈퍼 마리오 게임 플레이 데이터를 사용하여 게임의 규칙과 패턴을 학습합니다. 이를 통해 어떤 상황에서 점프를 해야 하는지, 어떤 적과의 접촉을 피해야 하는지 등을 학습하게 됩니다. 2. 강화 학습 인공지능은 게임 플레이를 통해 보상과 벌점을 받고, 이를 통해 자동으로 학습하게 됩니다. 예를 들어 도착 지점에 도달하면 보상을 받고, 적에게 맞으면 벌점을 받는 식으로 학습하면서 게임을 플레이합니다. 3. 신경망과 패턴 인식 인공지능은 신경망 모델을 사용하여 게임 화면의 정보를 분석하고, 적의 위치, 장...2025.05.08
-
머신러닝에서의 차원축소2025.05.101. 차원 축소 차원 축소는 고차원 데이터를 저차원으로 변환하는 과정으로, 데이터의 복잡성을 줄이고 특징을 추출하거나 시각화하기 위해 사용됩니다. 주요 방법으로는 특징 선택과 특징 추출이 있으며, 차원 축소의 이점은 데이터 시각화, 계산 효율성 향상, 잡음 제거 등입니다. 2. 차원의 개념 차원은 데이터를 표현하기 위해 필요한 축의 수를 의미하며, 각 차원은 데이터의 특정 특성을 나타내는 변수 또는 속성이 됩니다. 차원이 높을수록 데이터의 복잡성과 계산 비용이 증가하므로 차원 축소가 필요합니다. 3. 특징(feature)의 개념 특...2025.05.10
-
머신러닝 효과검증2025.05.101. 머신러닝 효과검증 머신러닝 과제의 실제 효과를 보여주기 위해 다음과 같은 방법들을 고려할 수 있습니다: 정량적인 성능 개선, 시간과 비용 절감, 예측 능력 개선, 인사이트 제공, 실제 시스템 통합. 이러한 방법들을 통해 머신러닝 과제의 실제 효과를 증명할 수 있습니다. 과제의 목적과 환경에 따라 적절한 방식으로 결과를 제시하는 것이 중요합니다. 2. 제조 수율영향성 분석 수율 영향성을 분석하는 머신러닝 과제를 위한 분석 툴을 제작하기 위해 다음과 같은 절차를 따를 수 있습니다: 데이터 수집, 데이터 전처리, 특성 선택 및 추출...2025.05.10
-
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
-
컴퓨터공학과 프로젝트, 보고서 주제 추천2025.01.101. 머신러닝/인공지능 프로젝트 이미지 분류, 자연어 처리, 음성 인식 등과 같은 머신러닝 및 딥러닝 알고리즘을 활용한 프로젝트를 수행해볼 수 있다. 예를 들어, 손으로 쓴 숫자 인식, 감정 분석, 스팸 필터링 등의 주제를 다룰 수 있다. 2. 웹 개발 프로젝트 웹 애플리케이션 개발을 통해 프론트엔드와 백엔드 기술을 익힐 수 있다. 예를 들어, 블로그 플랫폼, 전자 상거래 웹사이트, 온라인 게임 등을 만들어 볼 수 있다. 3. 모바일 앱 개발 안드로이드나 iOS 플랫폼에서 모바일 앱을 개발하는 프로젝트를 수행해볼 수 있다. 예를 들...2025.01.10
6 / 9
