|
Research on Fair, Accountable, and Transparent ML systems
( Explaining what learned models predict: In which cases can we trust machine learning models and when is caution required )
Introduction
Our lives are becoming more dependent on the presence of machine learning(ML). But as data, the fue
|
|
|
1. AI 기계학습에 대한 설명
2. 사물인식, 음성인식에 대한 설명
3. AI기술이 반영된 2종 이상의 서비스 사용경험
4. AI관련 윤리 이슈
5. AI가 인간에게 도움이 될지에 대한 자신의 견해 및 이에 대한 정당한 사유
6. AI의 중요성
|
|
|
Mining.
Infinity Books. 2007. 488-497, 591-596.
[2] 조인호. SAS 강좌와 통계컨설팅. 영진닷컴. 2006. 606-639, 680-695.
[3] 최종후, 한상태, 강현철, 김은석, 김미경. 데이터마이닝. 자유아카데미. 1999. 113-141.
[4] http://swjang.springnote.com/
name
mongoose
고양이족제비
aa
|
|
|
1. 조사 동기
21세기에 접어들면서 전
세계적으로 고령화가 되어
가고 있으며, 각종 자연재
해, 인플루엔자 등으로 인
하여 병원을 찾는 일이 잦
아지고 있다. 많은 사람들
이 병원에 방문하면서 병원
감염은 급속히 증가
|
|
|
Machine Learning", Morgan Kaufmann Publishers, San Mated, California, 1993
M. Goebel and Le Gruenwald, "A survey of data mining and knowledge discovery software tools", SIGKDD Explorations vol.1, no.1, pp20-33, 1999 1. 데이터마이닝의 정의
2. 데이터마이닝 필요 배경
3. 데이터마이닝 관련
|
|
 |
기계경비시스템 오경보 이벤트 분석을 위한 데이터마이닝 기법 연구, 김종민, 최경호, 이동휘, 정보·보안논문지 제12권 제2호 (2012년 5월) pp.61-70 1598-7329
특수기술 샘플 군집화를 이용한 개선된 아다부스트 알고리즘, 백열민, 김중근, 김회율,
|
|
|
기계이다. 프로그램화된 공학적 의장은 하드웨어적으로 구현될 수도 있고 소프트웨어적으로 구현될 수도 있다. 이용자 입장에서 둘을 구별하기는 어렵다. 넷째, 프로그램화된 의장은 누적적 성질을 가져서 일련의 소프트웨어 공학기술과 노
|
|
|
기계장비(12.1), 의료(11.8%) 순으로 나타난다. 출처: 노동부, 직업능력개발사업현황(2000-2004), 2005.7.
이는 서비스 산업 위주의 교육으로 높은 기술력을 의지 하지 않고 저임금의 일자리가 많은 서비스의 취업으로 인해 저임금 직종에 저소득층이
|
|
|
Learning, 1999) 1. 서론
2. 로봇 개론과 설계
2.1 로봇의 개론
2.2 로봇의 CATIA설계
3. DAFUL 개론과 시뮬레이션
3.1 DAFUL의 개론
3.2 로봇의 구속조건
3.3 로봇의 시뮬레이션
4. 결과와 분석
5. 고찰
6. 참고 문헌
|
|
 |
제 주학습분야인 IoT와 machine learning, anomaly detection은 대한항공의 사업성 향상에 직접적으로 기여할 수 있는 바가 매우 많습니다. 예를 들면, IoT와 센서를 통해 항공기 내 기계설비들을 데이터 센터와 연결하고 온도, 진동, 압력 등을 측정하여
|
|
메뉴펼치기
