|
서로 다른 상품 추천 알고리즘(CF, 배열 축소, 전통 Data Mining) 의 수행도 비교
효율성과 질적 향상을 가진 새로운 상품추천에 대한 접근 기법에 대한 연구 ABSTRACT
INSTRUCTION
RELATED WORK
RECOMMENDER SYSTEMS
EXPERIMENTAL EVALUATION
CONCLUSION
|
|
|
DATABASE 사이즈
O
S
자체 제작 컨텐츠
O
자체 제작 컨텐츠가 있는가?
O
자체 제작 컨텐츠 규모는 어느 정도이며 전체 컨텐츠에서 차지하는 비율
다양한 정보원 제공 여부
O
백과사전, 인물, 뉴스 , 용어사전, 지도, 멀티미디어, 학술 DB, 국가지식포
|
|
|
Systems)
(6) 패턴인식 (Pattern Recognition)
(7) 자연언어 시스템(Natural Language Systems)
(8) 지식베이스 시스템 (Knowledge-base System)
(9) 데이터베이스(database) 응용
(10) 데이터마이닝 기법 (Data Mining)
(11) 정리 증명(theorem proving)
(12) 로보트 공학(robotics)
|
|
|
Systems)
(6) 패턴인식 (Pattern Recognition)
(7) 자연언어 시스템(Natural Language Systems)
(8) 지식베이스 시스템 (Knowledge-base System)
(9) 데이터베이스(database) 응용
(10) 데이터마이닝 기법 (Data Mining)
(11) 정리 증명(theorem proving)
(12) 로보트 공학(robotic
|
|
|
Systems)
(6) 패턴인식 (Pattern Recognition)
(7) 자연언어 시스템(Natural Language Systems)
(8) 지식베이스 시스템 (Knowledge-base System)
(9) 데이터베이스(database) 응용
(10) 데이터마이닝 기법 (Data Mining)
(11) 정리 증명(theorem proving)
(12) 로보트 공학(rob
|
|
 |
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
|
|
|
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
|
|
|
data analysis for the survey was carried out through mean, standard deviation, oneway ANOVA and scheff. More specifically, it investigated (1) What kinds of life events are the most stressful ones to ; (2) Do these differ according to grade level. The results are as follows. First, study and career
|
|
|
기법이 강조되면서 고객중심주의가 진화한 것이다. 처음에는 고객만족이더니 이제는 너나할 것 없이 고객감동을 표방한다. 지식경영이니 감성경영이니 하는 것들도 그 앞에 고객중심이라는 수식어가 붙는다. 고객중심의 지식경영이나 고객
|
|
|
Systems Approach 3rd Ed, Lab Manual " Ⅰ 서론
1. 서론
2. 멀티미디어
1) 멀티미디어의 정의
2) 미디어의 분류
3) 멀티미디어의 특성
4) 멀티미디어에 대한 2가지 개념
3. 멀티미디어의 통신 방식
1) 스트리밍∙스
|
|
 |
고 활용하는 방법을 익힐 수 있었습니다.
대학원 과정에서는 기계학습과 데이터마이닝 기법을 활용한 사회적 문제 해결 연구를 수행하고자 합니다. 특히, 다음과 같은 연구 주제에 집중하고자 합니다.
- 사회적 문제 해결을 위한 데이터 분석:
|
|
 |
data 간의 연관분석 결과를 보고서로 작성하여 제출하였습니다. 이 자료는 TM영업부 부장님께 전해졌고, 이 자료를 바탕으로 기존 DB의 활용 다각화에 대한 회의가 진행되었습니다.
통계학도로서 실무에서 데이터마이닝 기법을 활용하고 그 결
|
|
 |
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
|
|
 |
데이터베이스에 저장되어 처리될 수 있어야 한다.
셋째로는, 수많은 고객의 거래정보를 저장, 처리, 분석할 수 있는 데이터 웨
어하우스, 데이터 마이닝의 데이터 처리 관련 기술들이 필요하다. 다양한 통
계적 분석 기법, 분석 모델 등을 통한
|
|
 |
기법들을 전문적으로 공부하겠습니다. 이와 함께 서비스산업 중심으로 재편되고 있는 현 국내 산업구조에 맞는 서비스산업관련 프로세스 디자인에 관해 다뤄보면서 글로벌적인 연구주제들과 국내 서비스산업 현장과의 비교를 진행해 연구
|
|
메뉴펼치기
