총 810개
-
생산 공정에서의 불량 모델링2025.05.121. 이항분포 이항분포는 독립적인 베르누이 시도의 결과를 모델링하는데 사용되며, 시도 횟수와 성공 확률을 고려합니다. 예를 들어, 압력을 증가시킬 때 불량이 발생하는 확률이 일정한 값으로 유지된다고 가정하면, 이러한 상황을 이항분포를 이용하여 모델링할 수 있습니다. 2. 포아송분포 포아송분포는 일정한 단위 시간 또는 공간에서의 사건 발생 횟수를 모델링하는데 사용됩니다. 압력이 증가함에 따라 불량이 발생하는 횟수가 드물게 변하는 상황에서는 포아송분포를 활용하여 불량율을 근사할 수 있습니다. 포아송분포는 독립적인 사건 발생을 가정하고,...2025.05.12
-
머신러닝에서의 과적합 문제2025.05.101. 과적합(Overfitting) 과적합은 머신러닝에서 중요한 문제 중 하나입니다. 머신러닝 모델이 훈련 데이터에 너무 특화되어 있어 새로운 입력 데이터에 대한 예측 능력이 저하되는 현상을 말합니다. 이는 모델의 성능과 일반화(generalization) 능력을 감소시키며, 실제 응용에서 신뢰할 수 없는 결과를 초래할 수 있습니다. 2. 과적합의 원인 과적합은 데이터의 특성을 완벽하게 기억하는 것에서 비롯됩니다. 모델은 훈련 데이터에 맞추기 위해 복잡한 패턴과 노이즈까지도 학습할 수 있습니다. 일반적으로 데이터의 양이 적은 경우,...2025.05.10
-
Regression with an Abalone Dataset 코드2025.01.271. 데이터 로딩 및 전처리 train.csv와 test.csv 파일을 pandas 라이브러리를 사용하여 로드했습니다. LabelEncoder를 사용하여 범주형 변수(sex)를 숫자 값으로 인코딩했습니다. 새로운 특성인 size(length x diameter x height)를 만들기 위해 특성 엔지니어링을 수행했습니다. 높이 값이 0인 행을 제거하여 데이터를 정리했습니다. 2. 데이터 변환 대부분의 특성에 대해 np.log1p 함수를 적용하여 로그 변환을 수행했습니다. 이 변환은 데이터 분포를 정규 분포에 가깝게 만들어 모델 성...2025.01.27
-
마이크로 모빌리티 서비스 제공 기업의 수요 예측 및 전략적 배치2025.01.171. 수요 예측 방법론 수요 예측을 위해 시계열 분석과 머신 러닝 알고리즘을 활용할 수 있다. 시계열 분석은 과거 패턴을 바탕으로 미래를 예측하는 방법이며, 머신 러닝은 복잡한 데이터에서 패턴을 학습하여 예측하는 방법이다. 각각의 장단점이 있으므로, 상황에 따라 적절한 방법을 선택해야 한다. 2. 필요한 데이터 유형 및 수집 방법 수요 예측을 위해 필요한 데이터에는 이용 기록 데이터, 고객 프로필 데이터, 외부 환경 데이터가 있다. 이용 기록 데이터는 서비스 애플리케이션에서, 고객 프로필 데이터는 데이터베이스에서, 외부 환경 데이터...2025.01.17
-
머신러닝 효과검증2025.05.101. 머신러닝 효과검증 머신러닝 과제의 실제 효과를 보여주기 위해 다음과 같은 방법들을 고려할 수 있습니다: 정량적인 성능 개선, 시간과 비용 절감, 예측 능력 개선, 인사이트 제공, 실제 시스템 통합. 이러한 방법들을 통해 머신러닝 과제의 실제 효과를 증명할 수 있습니다. 과제의 목적과 환경에 따라 적절한 방식으로 결과를 제시하는 것이 중요합니다. 2. 제조 수율영향성 분석 수율 영향성을 분석하는 머신러닝 과제를 위한 분석 툴을 제작하기 위해 다음과 같은 절차를 따를 수 있습니다: 데이터 수집, 데이터 전처리, 특성 선택 및 추출...2025.05.10
-
논리모델의 개념과 특성 및 프로그램 평가 사례2025.05.121. 논리모델의 개념과 특성 논리모델은 논리학에서 사용되는 개념으로, 어떤 주장이나 추론의 구조를 논리적으로 분석하고 표현하는 방법이다. 즉, 논리모델은 어떤 주장이나 추론이 올바른지 여부를 판단하기 위한 도구로 사용된다. 2. 논리모델을 이용한 프로그램 평가 논리모델은 프로그램의 효과성을 평가하는 데 활용될 수 있다. 프로그램의 투입, 활동, 산출, 결과 등을 논리적으로 연결하여 프로그램의 이론적 근거와 실제 성과를 확인할 수 있다. 3. 논리모델 적용 사례 논리모델은 다양한 분야에서 활용되고 있다. 예를 들어 사회복지 프로그램의...2025.05.12
-
시계열 데이터 분석 기법과 A/B 검증2025.01.261. 시계열 데이터 분석 기법 시계열 데이터 분석을 위한 대표적인 기법으로 이동 평균법, ARIMA 모델, 지수 평활법, 심층 신경망을 이용한 예측 등이 있다. 각 기법은 데이터의 특성에 따라 장단점이 다르며, 적절한 기법을 선택하여 활용하는 것이 중요하다. 이동 평균법은 단기 변동을 완화하고 장기 경향을 파악하는 데 유용하며, ARIMA 모델은 트렌드와 계절성을 고려한 예측에 적합하다. 지수 평활법은 최근 데이터에 가중치를 두어 변화에 민감하게 반응할 수 있고, 심층 신경망은 복잡한 패턴의 비선형 데이터 분석에 강점이 있다. 2....2025.01.26
-
논리모델을 이용한 프로그램 평가2025.01.151. 논리모델의 개념과 특성 논리모델은 전체와 개체 사이의 요소 간 관계를 합리적으로 추론하는 원칙으로, 문제상황을 해결하고 투입되는 자원을 활동 과정을 통해 성과 간의 인과관계를 논리구조로 연결하여 최종 결과에 이르는 프로그램의 흐름을 시각적으로 제시하는 이론적 모델이다. 체계이론을 기반으로 프로그램을 투입(input) → 과정/전환(process) → 산출(output) → 성과(outcome)의 단계로 구분하고 인과관계에 따라 연결한다. 2. 논리모델을 이용한 프로그램 평가 논리모델을 이용한 프로그램 평가는 프로그램이 목표한 ...2025.01.15
-
데이터 사이언티스트 인터뷰 준비2025.01.201. 데이터 전처리 데이터셋에 존재할 수 있는 결측값과 이상치를 처리하는 것이 중요하다. 결측값은 평균, 중앙값 등으로 대체하거나 제거할 수 있으며, 이상치는 상자 그림이나 Z-점수를 사용해 식별하고 제거하거나 대체할 수 있다. 또한 데이터의 스케일을 맞추기 위해 정규화 작업이 필요하다. 2. 머신러닝 모델 과적합 방지 과적합을 방지하기 위해 교차 검증, 정규화 기법(L1, L2), 조기 종료 등의 방법을 사용할 수 있다. 교차 검증을 통해 데이터를 최대한 활용하고 모델의 일반화 성능을 평가할 수 있으며, 정규화 기법은 모델의 복잡...2025.01.20
-
텐서플로우 딥러닝 (Tic-Tac-Toe)2025.05.051. 데이터 세트 tic-tac-toe.csv 파일에는 TL, TM, TR, ML, MM, MR, BL, BM, BR 속성과 class 속성이 포함되어 있습니다. TL, TM, TR, ML, MM, MR, BL, BM, BR 속성은 각 게임 보드의 위치를 나타내며, 값은 'x', 'o', 'b'로 표현됩니다. class 속성은 게임 결과를 나타내며, 'TRUE'는 x가 이겼음을, 'FALSE'는 x가 졌음을 의미합니다. 2. 2층 신경망 입력 층은 9D(TL, TM, TR, ML, MM, MR, BL, BM, BR)를 받습니다. 은...2025.05.05
1 / 81
