총 87개
-
의사결정 트리(Decision Trees)2025.05.101. 의사결정 트리(Decision Trees) 의사결정 트리(Decision Trees)는 머신러닝에서 가장 널리 사용되는 분류(classification) 및 회귀(regression) 알고리즘 중 하나입니다. 이는 데이터의 특징을 기반으로 한 의사 결정 규칙의 계층적 트리 모델을 나타냅니다. 의사결정 트리는 간단하고 해석하기 쉬운 모델로 알려져 있으며, 데이터의 특징을 직관적으로 이해할 수 있는 장점이 있습니다. 2. 의사결정 트리의 구조 의사결정 트리는 다음과 같은 구조로 이루어져 있습니다: 노드(Nodes), 가지(Edge...2025.05.10
-
머신러닝에서의 불확실성2025.05.111. 데이터 불확실성 데이터의 일부 샘플에 레이블이 없거나 부정확한 경우, 데이터에 잡음이나 이상치가 포함되어 있거나, 데이터가 불완전한 경우 등 데이터 불확실성이 발생할 수 있습니다. 이는 모델이 정확한 예측을 하기 어렵게 만듭니다. 2. 모델 불확실성 모델이 복잡할수록 과적합될 가능성이 높아져 일반화 능력이 감소하고, 모델의 파라미터 값이 정확하게 알려지지 않는 경우 예측의 불확실성이 증가할 수 있습니다. 3. 환경 불확실성 데이터의 분포가 시간에 따라 변하거나 외부 요인이 발생하는 경우, 모델이 이러한 변동성을 정확하게 모델링...2025.05.11
-
역사상 가장 위대한 정리 - 베이즈 정리2025.05.081. 베이즈 정리 베이즈 정리는 18세기 영국의 수학자 토머스 베이즈에 의해 처음으로 발표되었으며, 그 특이한 특성과 혁신적인 접근 방식으로 오랜기간 많은 이들에게 영감을 주고 있을 뿐 아니라, 최근 새롭게 다시 폭발적으로 주목받고 있습니다. 그 이유는 바로 머신러닝과 같은 새로운 분야에서의 그 쓰임이 점차 필수적인 요소가 되어가고 있기 때문입니다. 베이지안을 활용한 머신러닝은 데이터에서 불확실성과 확률적 추론을 다루는 데 베이즈 정리를 그 기반으로 하고 있습니다. 머신러닝에 베이즈 정리가 활용됨으로써 관측된 데이터를 바탕으로 예측...2025.05.08
-
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
-
머신러닝 2024년 2학기 방송통신대 출석수업과제물 과제 슬라이드 1~7의 코드 및 설명을 참조하여 신경망 구성 및 test accuracy 출력2025.01.261. Fashion MNIST 데이터셋 Fashion MNIST 데이터셋은 옷 이미지 데이터셋으로, 10개의 클래스(T-shirt/top, Trouser, Pullover, Dress, Coat, Sandal, Shirt, Sneaker, Bag, Ankle boot)로 구성되어 있습니다. 이 데이터셋을 사용하여 신경망 모델을 구축하고 학습을 진행합니다. 2. 데이터 전처리 데이터 시각화를 통해 이미지 데이터를 확인하고, 픽셀 값을 0~1 사이의 실수로 정규화하여 모델 학습에 사용합니다. 이미지 데이터를 1차원 벡터로 변환하는 과정...2025.01.26
-
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
-
우리 주변 머신러닝의 대표적인 혁신(편리성 등) 사례 연구2025.01.181. 문화공간과 전시관의 머신러닝 활용 문화공간과 전시관에서는 머신러닝을 활용한 관람객 맞춤형 서비스가 도입되고 있습니다. 예를 들어, 런던의 대영박물관은 머신러닝을 통해 방문객의 관심사를 분석하고, 맞춤형 투어 경로를 제공합니다. 이를 통해 관람객은 자신이 선호하는 전시물에 집중할 수 있으며, 보다 풍부한 관람 경험을 얻을 수 있습니다. 2. 매장 디스플레이에서의 머신러닝 활용 소매업체들은 머신러닝을 활용하여 고객의 구매 패턴을 분석하고, 이에 맞춰 매장 디스플레이를 최적화합니다. 예를 들어, 아마존 고(Amazon Go) 매장은...2025.01.18
-
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
-
인공지능의 개념과 기술 그리고 활용사례2025.01.101. 인공지능의 개념 인공지능(AI)은 인간의 지능을 기계나 컴퓨터 소프트웨어로 구현하는 기술 또는 분야를 의미합니다. 즉, 인공지능은 기계가 인간의 학습, 추론, 문제해결 등의 지능적인 기능을 수행할 수 있는 능력을 가지도록 프로그래밍하거나 학습하는 컴퓨터 과학 분야입니다. 인공지능은 크게 '약한 인공지능(weak AI)'과 '강한 인공지능(Strong AI)'으로 나뉩니다. 약한 인공지능은 특정 작업이나 한정된 범위에서 인간 수준 또는 그 이상의 성능을 발휘할 수 있는 인공지능이며, 강한 인공지능은 모든 인간 지능 활동을 수행할...2025.01.10
-
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
6 / 9
