 |
이를 기반으로 AI 모델을 학습시키는 일을 맡았습니다. 이를 통해 머신러닝 알고리즘의 이해는 물론, 데이터 전처리, 특징 엔지니어링, 모델 평가 등 전반적인 데이터 분석 및 모델 개발 과정에 대한 실무 경험을 쌓았습니다.
나. IoT 시스템 및
|
|
 |
알고리즘을 도입했습니다. 이를 통해 문제를 해결하고, 최종적으로 사용자 데이터를 안전하게 처리하면서 앱의 실시간 성능을 보장할 수 있었습니다.
이 경험을 통해 저는 기술적인 문제를 해결하는 능력과 팀워크의 중요성을 깨달았습니다.
|
|
 |
알고리즘을 적용하여 생산 속도를 개선하는 방법을 모색했습니다. 시스템의 하드웨어와 소프트웨어 간의 상호작용을 면밀히 검토한 결과, 하드웨어 성능이 소프트웨어의 요구사항을 충족하지 못하는 부분을 발견했습니다. 이후, 하드웨어를
|
|
 |
알고리즘을 적용하여 데이터의 신뢰성을 높였습니다. 이를 통해 데이터의 정확성을 확보하고, 모델 학습에 영향을 미치지 않도록 했습니다.
두 번째 문제는 예측 성능의 저조였습니다. 처음 모델을 훈련시키고 예측을 해본 결과, 예측 정확도
|
|
 |
알고리즘의 최적화에 대해 깊이 이해하게 되었습니다. 특히, 머신 러닝을 활용한 예측 모델 구축 실습을 통해 AI 기반 시스템을 설계하는 데 필요한 핵심 역량을 기를 수 있었습니다. 이러한 경험은 KAI의 AI 개발 및 데이터 분석 분야에서 매우
|
|
 |
알고리즘 개발을 맡았습니다. 그러나 초기 개발 과정에서 센서 데이터의 정확도 문제가 발생해 데이터가 불규칙하게 측정되었고, 검사 알고리즘이 제대로 작동하지 않았습니다.
이 문제를 해결하기 위해 저는 센서의 측정 범위와 정확도를
|
|
 |
으로 줄일 수 있었고, 전체 프로젝트 일정에 맞춰 예측 모델 개발에 집중할 수 있었습니다. 또한, 예측 모델의 성능을 개선하기 위해 다양한 머신러닝 알고리즘을 실험하고, 하이퍼파라미터 튜닝을 통해 모델의 정확도를 크게 향상시켰습니다
|
|
 |
및 신호 측정에 대한 실습을 진행하며 데이터 분석 역량을 키웠습니다. 또한, 반도체 테스트 자동화에 대한 이해도를 높이기 위해 프로그래밍 기초를 익히고, 간단한 테스트 알고리즘을 작성하는 연습을 하였습니다.
... 이하 내용 생략
|
|
 |
알고리즘인 RSA와 DES 방식의 원리를 배웠습니다. 학교에서는 ‘정보보호론’을 수강했고 패킷 스니핑 관련하여 기초지식을 쌓을 수 있었던 ‘인터넷 공학기초’도 수강했습니다. 최종 프로젝트에서는 암호화 알고리즘을 이용하여 로그인 프
|
|
 |
알고리즘 연구 경험을 바탕으로, 실시간 처리 성능을 극대화하고 SW의 신뢰성을 확보하는 역할을 수행하고 싶습니다.
2) AI 및 빅데이터 기술이 방산 SW에 어떻게 적용될 수 있을까요?
AI 및 빅데이터는 자동 표적 인식, 군사 정보 분석, 무기 자
|
|
메뉴펼치기
