총 89개
-
정보통신망4A 기계학습 Machine Learning에 관하여 조사하여 설명하고 기계학습을 위해 활용될 수 있는 정보통신 기술에 관하여 서술하시오2025.01.251. 기계학습 정의 및 필요성 기계 학습은 컴퓨터 시스템이 데이터를 분석하고 패턴을 학습하여 작업을 수행할 수 있는 능력을 갖추는 것을 의미한다. 기계 학습은 데이터 마이닝이나 기타 학습 알고리즘을 사용하여 지식을 추출하고 이를 경험기반으로 삼아 비슷한 상황의 미래 사건의 결과를 예측하는 컴퓨터 프로그램이다. 기계 학습은 대량의 데이터 처리, 복잡한 패턴 인식, 자동화된 결정, 개인화된 경험 제공, 의사 결정 지원, 지능적인 시스템 구축 등의 이유로 매우 중요하다. 2. 기계학습 장점과 문제점 기계 학습의 장점으로는 패턴 인식 및 ...2025.01.25
-
데이터마이닝의 정의와 활용 분야2025.01.181. 데이터마이닝의 정의 데이터마이닝은 대규모 데이터 세트에서 통계적이고 수학적인 기법을 활용하여 유용한 정보와 패턴을 추출하는 과정을 말한다. 이는 데이터베이스, 데이터 웨어하우스 또는 다양한 데이터 소스로부터 데이터를 수집하고 분석함으로써 이루어진다. 데이터마이닝은 기계 학습, 통계 분석, 패턴 인식, 인공지능 등의 다양한 분야의 기법과 원칙을 포괄하는 다중 학문적인 접근 방법을 사용한다. 2. 데이터마이닝 활용 분야: 상업 분야 온라인 소매업체는 고객의 구매 이력, 검색 기록, 선호도 등을 분석하여 개별 고객에게 맞춤형 제안을...2025.01.18
-
PCA & SVD2025.01.131. PCA (주성분 분석) PCA는 데이터의 분산(variance)을 최대한 보존하면서 서로 직교하는 새 기저(축)를 찾아, 고 차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 기법입니다. 데이터의 분산을 최대로하는 새로운 기저를 찾기 위해서는 데이터 행렬 A의 공분산 행렬을 구해야 합니다. 공분산 행렬의 고유분해(Eigendecomposition)를 통해 가장 큰 고유값 몇 개를 고르고, 그에 해당하는 고유벡터를 새로운 기저로 하여 데이터 벡터들을 정사영시키면 PCA 작업이 완료됩니다. 2. SVD (특이값 분...2025.01.13
-
KL Divergence2025.05.101. KL Divergence KL Divergence는 두 확률 분포 사이의 차이를 측정하기 위해 사용되는 개념입니다. KL Divergence는 주로 정보 이론과 확률 이론에서 사용되며, 두 분포가 얼마나 다른지를 수치적으로 나타냅니다. KL Divergence는 다양한 분야에서 활용되며, 예를 들어 확률 분포 간의 차이를 측정하여 데이터 압축, 정보 검색, 통계 분석 등에 사용될 수 있습니다. 2. KL Divergence와 엔트로피 KL Divergence와 엔트로피는 서로 다른 개념이지만, 정보 이론과 확률론에서 밀접한 관...2025.05.10
-
서포트 벡터 머신(Support Vector Machine, SVM)2025.05.101. 서포트 벡터 머신(Support Vector Machine, SVM) 서포트 벡터 머신(Support Vector Machine, SVM)의 이름은 알고리즘의 기본 원리와 핵심 개념에 기반하여 지어졌습니다. 데이터 포인트들을 분류하기 위해 사용되는 초평면(hyperplane)의 위치는 이 서포트 벡터들에 의해 결정됩니다. 서포트 벡터는 결정 경계와 가장 가까운 데이터 포인트들을 의미합니다. 이러한 포인트들은 결정 경계 주변에서 서로 다른 클래스에 속하는 데이터들을 분리하는 역할을 수행합니다. SVM은 주어진 데이터를 기반으로 ...2025.05.10
-
데이터 모델링에 관한 소고2025.05.101. 데이터 모델링 데이터 모델링은 예를 들어 제조 공정에서 발생하는 다양한 변수와 상호작용을 이해하고 표현하기 위한 기술입니다. 이를 통해 우리는 불량 발생에 영향을 미치는 주요 변수들을 식별하고, 이러한 변수들 간의 관계를 파악할 수 있습니다. 데이터 모델링을 통해 불량 발생 원인을 정확하게 분석하고, 불량율을 예측할 수 있는 모델을 구축할 수 있습니다. 2. 문제의 단순화: 단일 변수 표현 다변수 데이터를 예를 들어, 면적, 두께 등과 같은 기본적인 물리량으로 하나의 값으로 표현함으로써, 다양한 변수 간의 복잡한 관계를 단순화...2025.05.10
-
인공지능의 기본 개념과 원리 및 일상생활과 교육 분야에서의 활용 사례2025.01.181. 인공지능의 기본 개념 인공지능(AI)은 인간의 지능적 작업을 수행할 수 있도록 컴퓨터 시스템을 설계하고 개발하는 학문 분야입니다. AI는 기계 학습, 자연어 처리, 로보틱스 등 다양한 하위 분야를 포함하며, 인간의 학습, 추론, 문제 해결 능력을 모방하는 것을 목표로 합니다. 2. 인공지능의 원리 인공지능의 원리는 크게 두 가지로 나뉩니다. 첫째, 기계 학습은 데이터를 이용하여 컴퓨터가 학습하고 예측 모델을 만드는 과정입니다. 둘째, 딥 러닝은 인공 신경망을 사용하여 데이터를 계층적으로 처리하고, 복잡한 패턴과 관계를 학습하는...2025.01.18
-
AI 기계학습에 대한 설명2025.04.291. 기계학습 기계학습은 컴퓨터가 스스로 학습하는 방법 중 하나로, 특정 명령이나 프로그램의 지시 없이도 데이터를 기반으로 패턴을 인식하고 학습하는 방법입니다. 데이터의 라벨화 유무에 따라 지도형 학습과 비지도형 학습으로 나뉘며, 지도형 학습은 인간의 작업을 학습하는 방식으로 데이터를 라벨화하여 제공하고 이를 기반으로 학습을 진행합니다. 2. 패턴 인식 기계학습에서는 방대한 데이터를 기반으로 예측을 통해 확률적으로 패턴을 인식합니다. 정답 데이터와 새로운 데이터를 비교하여 유사성을 체크하고 이를 확률로 계산하여 특정 패턴을 인식하게...2025.04.29
-
방송대_대학수학의이해_중간과제물_2023학년도_2학기2025.01.251. CAS와 직접연산 CAS와 직접연산을 모두 경험해본 입장에서 수학 학습에 컴퓨터 소프트웨어를 이용하는 것을 찬성한다. 기계학습에 필요한 수학을 공부하기 위해 '기계처럼 기계학습하기'라는 스터디에 참여했으며, 이론 공부와 연습문제 풀이를 진행했다. 2. 기계학습 스터디 기계학습 스터디의 과제인 2장 연습문제를 풀기 위해 2023년 9월 1일 python의 sympy모듈을 사용했다. 연습문제 13번은 f(x)에서 난수를 생성하여 초깃값 X0=2.1을 얻었을 때 theta = theta -p*g를 연속적으로 사용하여 얻는 점 x1,...2025.01.25
-
경영정보시스템 리포트 (머신러닝, 딥러닝의 개요 및 활용)2025.01.221. 약한 인공지능과 강한 인공지능 오늘날의 과학계는 인공지능의 기준을 강한 인공지능과 약한 인공지능으로 나눈다. 강한 인공지능은 인간의 지능을 가진 컴퓨터로 스스로 일을 할 수 있고 지시를 거부할 수도 있다. 반면 약한 인공지능은 특정 영역의 문제를 해결하는 기술을 가진 인공지능으로 자아가 없기 때문에 한정적으로만 사람의 인지적 능력을 활용할 수 있다. 2. 기계 학습의 개념과 특징 기계 학습은 컴퓨터가 스스로 패턴에 따라 움직일 수 있도록 하는 기술이다. 데이터 과학자가 수많은 경우의 수 데이터를 입력하고 패턴을 식별시켜 인공지...2025.01.22
1 / 9
