|
금융업 적용
(1) 전문가시스템의 기대효과 및 경영전략
(2) 인공신경망의 기대효과 및 경영전략
(3) 데이터마이닝의 기대효과 및 경영전략
(4) 퍼지로직의 기대효과 및 경영전략
3.2 각 방법론간의 차이점
4. BI기법의 전자상거래 적용
|
|
|
마이닝
(5) 퍼지로직
(6) 기대효과
(7) 경영전략
3) 금융업(신한은행)
(1) 금융업 소개
(2) 전문가시스템
(3) 인공신경망
(4) 데이터마이닝
(5) 퍼지로직
(6) 기대효과
(7) 경영전략
3. B2B & B2C 부분별 전자상거래
1) B2B(
|
|
|
전자상거래 기업과 같은 경우에는 클릭스트림을 분석할수 있는 역량이 절대적으로 필요. -웹마이닝 1. 비즈니스 인텔리전스(BI)란?
2. 데이터의 종류
3. 데이터에서 필요한 정보를 얻으려면?
4. 데이터 마이닝
5. OLAP
6. 텍스트 마
|
|
|
)의 제품근원지
1. 중개자형 모델
2. 제조업자형 모델
3. 경매형 모델
Ⅷ. 인터넷비지니스모델(E-biz모델, 이비즈니스모델)의 사례
1. 미국
1) 프라이스라인의 역경매특허
2) 아마존의 원클릭특허
2. 일본
3. 한국
Ⅸ. 결론
참고문헌
|
|
|
Data Mining Technology on Web Logs", IEEE ADL Proceedings, 1998, pp. 19-29. 인터넷 쇼핑몰 CEO로 성공하기 위해 데이터 마이닝 기법을 이용한 분류모델과 마케팅 전략
I. 서론
1. 분석 동기와 보고서의 목적
2. 인터넷 쇼핑몰에서의 통계분석 시스템
3. 분
|
|
 |
데이터마이닝을 이용한 고객세분화 7
1. 데이터마이닝의 개요 7
2. 연구방법 9
(1) 자료의 구성 10
(2) 실험데이터의 기초 분석 10
3. 변수선정 11
(1) 성별과 연 구매회수와의 독립성 검정 12
(2) 입력변수 특성 13
4. 신경망 모형의 구성 17
5. 실
|
|
|
시스템 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, 한국방송
|
|
|
데이터의 유형에는 전산시스템의 붕괴, 직원들의 실수나 사기, 횡령, 부정확한 회계처리, 파업, 법규위반 등 시장위험과 신용위험을 제외한 사실상의 모든 위험이 운영위험에 포함된다고 해도 과언이 아니다. 운영위험 관리가 현대 금융기관
|
|
|
데이터 생성량은 약 40제타바이트를 넘어 설 것으로 예측되고 있다.
≪ … 중 략 … ≫
제 2장 관련 연구
2.1 VOC의 정의 및 중요성
무한경쟁의 경영환경에서 많은 기업들이 ISO9000 Series나 SIX SIGMA와 같은 다양한 품질경영기법
|
|
|
데이터 센터는 인터넷을 통해 웹 호스팅, 전자상거래, 소셜 네트워킹(Social networking), Software as a service(SaaS), Platform as a service(PaaS)등과 같은 다양한 서비스를 가능하게 하는 핵심이다(Krishana Kant, 2009).
IT산업에서는 장비와 지속적으로 커지는
|
|
 |
데이터의 비율이 매우 낮다는 특성을 파악해 문제를 ‘High Imbalanced Data 처리’, ‘오버피팅 해결 ’로 단순화할 수 있었습니다. 이상치 데이터의 영향을 줄이기 위해 현업에서 사용하는 Grading 등 기법을 공부해 소수의 문제가 되는 파라미터만
|
|
 |
전자상거래에 대한 기초 이론과 실무를 깊이 있게 배웠습니다. 둘째, 데이터 분석 능력입니다. 다양한 도구를 활용해 고객 행동 및 시장 동향을 분석하고 효과적인 의사결정을 내릴 수 있는 능력을 갖추고 있습니다. 셋째, 디지털 마케팅 경험
|
|
메뉴펼치기
