 |
머신러닝 모델 구축을 담당하며, 현장 요구사항을 모델 설계에 반영하는 과정을 경험했습니다. 이러한 경험을 통해, 기술적 전문성과 실무적 적용 능력을 동시에 강화할 수 있었습니다.
제 대학원에 진학한 이후에는 동료 연구자 및 교수진과
|
|
 |
어 광간섭단층촬영(OCT)이나 형광 이미징 같은 기술에 관심이 많습니다. 대학원 과정에서 관련 연구를 수행하면서, 신호 처리 및 머신러닝 기반 분석 기법을 접목하여 기존 기술의 해상도와 정확도를 한층 향상시키는 연구를 진행하고자 합니
|
|
 |
대한 지식검증 기출문제 79
가. 기초 이론과 개념: 82
나. 회귀 분석 및 모델링: 83
다. 가설 검정과 추론: 83
라. 데이터 분석 및 시각화: 84
마. 빅데이터와 기계 학습: 85
바. 실험 계획법 85
사. 비모수 통계 86
아. 빅데이터와 머신러닝 86
자.
|
|
 |
머신러닝 96
자. 데이터 분석 도구와 소프트웨어 96
? 통계분석 도구 소프트웨어에 대한 대학원 학위과정 입시문제 99
? 입시지원자가 보는 철학 연구 문제점 1500단어 106
? 철학 대학원 입시 어학능력 검증하는 영어면접문제 100개 113
? 세계
|
|
 |
머신러닝 66
자. 데이터 분석 도구와 소프트웨어 67
? 통계분석 도구 소프트웨어에 대한 대학원 학위과정 입시문제 70
? 석박사학위과정 최빈도 기초과학이론 기출문제 76
? 학위과정 입시지원자 사회복지학분야 연구능력검증 기출면접문제 8
|
|
 |
머신러닝의 차이점은 무엇인가요?
답변: 머신러닝은 데이터에서 패턴을 학습하여 예측 모델을 생성하는 기술이며, 딥러닝은 인공신경망(ANN)을 활용하여 보다 복잡한 패턴을 학습하는 머신러닝의 하위 개념입니다. 딥러닝은 대규모 데이터를
|
|
 |
기술에 대해 배울 수 있었습니다.
2) 머신러닝 기반의 악성코드 탐지 시스템 개발
Github: https://xxxxxxxxxxxxxxx
개발 기간: 2022.09 ~ 2022.12
역할: Researcher
설명: 이 프로젝트는 머신러닝을 이용하여 악성코드를 탐지하는 시스템을 개발하는 것이 목표
|
|
 |
머신러닝 기반의 이미지 인식' 도입을 주장했습니다. 팀원 중 머신러닝에 대한 이해가 부족한 이들이 있어 회의적인 시선도 있었습니다. 저는 새로운 기술이 가져올 혁신적인 가능성을 확신하며 팀원들을 설득하는 데 주력했습니다.
저는 팀
|
|
 |
등 다양한 머신러닝 기법의 기본 원리를 익히고, 이론적 근거에 대한 관심을 더욱 키울 수 있었다.
대학원 과정에서는 ‘고급 수리통계학’, ‘고차원 통계학’, ‘머신러닝 이론’, ‘베이즈 추론’ 등의 과목을 추가로 수강하여 연구 주제
|
|
 |
따라서 최근에는 머신러닝 기반 예측모델이 활발히 적용되고 있습니다. 이에 본인은 기계학습 알고리즘을 활용하여 고객 이탈을 정확하게 예측하고, 기업의 의사결정에 기여할 수 있는 분석 프레임워크를 제시하고자 합니다.
● 관심 연구분
|
|
메뉴펼치기
