|
데이터는 오랜 기간 축적될수록, 그 양이 많아질수록 사람과 비교할 수 없는 수준의 정확성과 예측력을 보유하게 된다. 새로운 데이터는 계속해서 공급되며, 변화의 추이를 기록한다. 또한 머신러닝으로 분석하고 딥러닝으로 학습하면서 사
|
|
|
데이터, 인공지능, 머신 러닝에 대해 알아보았다. 이들은 정보화 시대에서 상당히 중요한 역할을 하고 있으므로 기본적인 것은 알아두는 것이 시대의 흐름을 따라가는 데 있어서 필요하다고 생각한다.
또한, 이들은 우리 사회에 있어서 이미
|
|
|
이기종 시스템 소프트웨어 최적화와 데이터사이언스 기반 설계 자동화의 새로운 기준을 제시하는 연구그룹을 운영하는 것을 목표로 삼고 있습니다.
9.비 고
(기 타)
본인은 한국연구재단(NRF) 주관의 국제공동연구참여 사업 및 AI 시스템 SW 오
|
|
|
데이터로 검사가 될 수 있어야 함
5. 데이터 분석 목적 :
1) 엔진을 차량에서 들어내지 않고도 객관적인 센서 데이터로 엔진상태를 판단 할 수 있는 모델 개발
6. 데이터 분석 효과 :
1) 엔진을 차량에서 들어내지 않으므로 시간과 비
|
|
|
데이터를 학습하여 공정이 완료 되기 전에 미리 제품의 판정 결과를 예측 할 수 있는 모델 개발
5. 분석 효과 :
1) 가공 결과를 미리 예측하여 문제 발생 시 즉시 조치 할 수 있음
2) 불량 수량을 줄여 손실을 줄이고, 생산성을 향상 시킬 수
|
|
 |
데이터 분석 및 시각화: 34
빅데이터와 기계 학습: 35
실험 계획법 36
비모수 통계 36
빅데이터와 머신러닝 37
데이터 분석 도구와 소프트웨어 37
? 통계분석 도구 소프트웨어에 대한 대학원 학위과정 입시문제 40
? 통계분석 학술이론에 대한
|
|
|
데이터마이닝.
1. 데이터마이닝의 개념과 특징
2. 데이터마이닝 프로세스
3. 연관규칙분석
4. 로지스틱 회귀분석(logistic regression)
9강 CRM을 위한 데이터마이닝2
1. 군집분석
2. 의사결정나무
3. 인공신경망
4. 모형의 평가
10강. CRM전략
|
|
|
learning vs. collective learning processes", Regional Studies, 33(4), 1999, pp. 353 366.
Coleman, J., "Social capital in the creation of human capita", American Journal of Sociology 45, 1998, pp. 95 120.
Dijk, M. & Rabellotti, R., Enterprise Clusters and networks in Developing Countries, Frank Cass,
|
|
|
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
|
|
|
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, 한국방송공학회지 제18권 제4호 통권 제73호 (20
|
|
 |
계발
저는 라인플러스에서의 업무를 시작하는 즉시 머신러닝과 광고 기술에 대한 이해도를 한층 심화할 계획입니다. 특히, LINE Ads가 보유한 대규모 사용자 행동 데이터와 광고 집행 데이터를 심도 있게 분석해, 실제 현장에 적용 가능한 모델
|
|
 |
1. 경력(대학생활 또는 직장활동 상황)
저는 대학에서 컴퓨터공학을 전공하면서 데이터 분석 및 머신러닝을 접해왔습니다. 처음 데이터 분석에 관심을 가지게 된 계기는 교내에서 진행한 ‘빅데이터 분석’ 세미나였으며, 이 세미나에서 데이
|
|
 |
나은 사용자 경험을 제공할 수 있었습니다.
반면, 저의 단점은 최신 기술 동향에 대한 깊은 이해가 부족한 부분입니다. 특히, 클라우드 기반의 데이터 처리 및 머신러닝 관련 경험이 상대적으로 적습니다. 이를 극복하기 위해 지속적으로 관련
|
|
 |
데이터 솔루션, 머신러닝 및 AI와 같은 최신 기술을 도입하여 데이터 처리의 효율성을 높이고, 고객에게 가치를 제공하는 데 기여하고자 합니다.
셋째, 팀원들과의 협업을 통해 시너지를 창출하는 것입니다. 데이터 엔지니어는 다양한 부서와
|
|
 |
데이터 분석 분야는 빠르게 변화하고 있으며, 새로운 도구와 기술이 끊임없이 등장하고 있습니다. 저는 이러한 변화에 발맞추어 지속적으로 학습하고 성장할 것입니다. 특히, 클라우드 기반 데이터 솔루션, 머신러닝 및 AI와 같은 최신 기술을
|
|
메뉴펼치기
