 |
기반 이상 탐지 로직을 구현했습니다. 모델 학습은 TensorFlow 기반으로 진행했고, 실시간 이상 감지를 위한 경량화도 병행했습니다. 이 경험을 통해 AI 모델의 설계, 튜닝, 적용 전반을 직접 다뤄볼 수 있었으며, 단순 모델링을 넘어 네트워크 현
|
|
 |
수 있는 혁신적인 기술을 제공할 것입니다.
가. 단기 목표 : 첫 1~2년 동안 회사의 다양한 프로젝트에 참여하여 실무 경험을 쌓고, 실시간 데이터 분석 시스템이나 AI 기반 예측 모델 등을 구축하는 데 참여하며 기술 역량을 강화할 것입니다. 또
|
|
 |
수 있도록 했습니다. 이를 통해 데이터 품질을 높이고, 모델 학습에 필요한 데이터를 빠르게 확보할 수 있었고, 기존 데이터셋의 부족한 부분을 보완할 수 있었습니다. 또한, 데이터셋 변경 후에는 새로운 데이터를 기반으로 다시 모델을 학습
|
|
 |
수 있는 융합 연구 기회가 많으며, 세계적인 수준의 교수진과 연구 시설을 갖추고 있습니다. 또한, KAIST의 연구 중심적 학습 환경과 체계적인 교육 과정은 저의 연구 역량을 더욱 발전시키는 데 중요한 역할을 할 것입니다.
저는 대학원 과정에
|
|
 |
단어가 있는지? 250
라. 블라인드 면접, 정말 전혀 모르고 진행되나? 250
마. 외모가 면접에 영향이 있지 않나? 251
바. “본인의 역량 개발, 게을리 하지 말라” 251
? 면접관과 면접 불합격의 특성 251
가. 호감을 줄 만한 답변, 불합격되기 좋
|
|
 |
모델링에서는 Python이 더 범용적으로 활용되고 있다고 생각합니다. SQL은 데이터베이스 관리와 쿼리 작성에 필수적이라 함께 사용하고 있습니다.
9) 데이터 기반 의사결정이 제조업 현장에서 왜 중요한가요?
제조업 현장은 복잡하고 다양한 변
|
|
 |
모비스에서도 적극적으로 대응할 수 있습니다.
7) 입사 후 본인의 커리어 계획은 무엇입니까?
입사 초기에는 전방 객체 인식 로직 개발의 전 과정을 학습하며, 데이터 전처리, 모델 학습, 성능 검증 등 실무 기반을 다질 것입니다. 중장기적으
|
|
 |
모델의 성능을 정량적으로 평가하기 위해 Precision-Recall Curve 및 ROC Curve를 활용하여 모델의 이상 탐지 성능을 최적화하였습니다.
결과적으로, 기존 대비 이상 탐지 정확도를 20% 향상시킬 수 있었으며, 실험 결과를 기반으로 더욱 신뢰할 수 있
|
|
 |
수, 평균 체류 시간, 상품 상세페이지 클릭 횟수, 장바구니 담기 이후 미결제 여부 등 다양한 feature를 구성하고, 전처리 및 정규화를 통해 모델 학습을 위한 기반을 다졌습니다.
모델링 과정에서는 Random Forest, XGBoost, Logistic Regression 등을 활용해
|
|
 |
기반 보안 분석 전문가로 성장해, 교육 데이터의 안전한 개방과 활용을 선도하는 인재가 되고 싶습니다. 이를 통해 KERIS가 교육 혁신의 중심 기관으로 신뢰받는 데 기여하고자 합니다. 한국교육학술정보원 정보보호(NCS 블라인드 인재모집)
|
|
메뉴펼치기
