총 1,795개
-
[바이러스학 논문 포스터] tRNA Prediction by Codon Usage2025.04.271. tRNA 예측 이 연구에서는 박테리오파지의 tRNA 수를 예측하고, 박테리오파지와 숙주 박테리아 간의 코돈 사용 빈도를 비교하였습니다. 결과적으로 박테리오파지의 tRNA 수가 적을수록 더 많이 발견되었으며, 박테리오파지의 코돈 사용 빈도가 숙주 박테리아와 다르지 않은 것으로 나타났습니다. 향후 연구에서는 더 많은 샘플을 사용하여 정확성을 높이고, 박테리오파지의 tRNA 부재 또는 적은 이유를 규명할 필요가 있습니다. 1. tRNA 예측 tRNA(transfer RNA) 예측은 생물학 및 생명정보학 분야에서 매우 중요한 과제입니...2025.04.27
-
IT 융합 기술과 새로운 융합 비즈니스 모델 제안2025.04.281. 4차 산업혁명 4차 산업혁명이라는 거대한 시대가 지나고 있으며, 과거 50년 전과 비교하면 세계가 크게 변화했다. 인터넷, 컴퓨터, 스마트폰 등 기술이 빠르게 발전했지만 당시에는 이를 예측하지 못했다. 따라서 미래가 어떻게 변화할지 알아볼 필요가 있다. 2. 인공지능 4차 산업혁명의 기반에서 인공지능에 대한 관심이 높아지고 있다. 일부 사람들은 인공지능이 새로운 존재라고 생각하지만, 사실 인공지능은 우리가 기계를 사용하면서부터 함께 발전해왔다. 약인공지능과 강인공지능의 개념을 이해할 필요가 있다. 3. 융합 비즈니스 모델 4차...2025.04.28
-
SIR모델과 감염재생산지수(R)2025.01.131. SIR 모델 SIR 모델은 감염병 유행 정도를 예측할 때 사용되는 모델로, 전체 인구를 아직 감염되지 않은 집단(S), 감염된 집단(I), 감염됐다가 회복된 집단(R)으로 나누어 각 집단의 수가 시간에 따라 어떻게 변하는지 분석한다. SIR 모델은 간단한 미분방정식 형태로 표현되며, 이를 통해 감염재생산지수(R)도 계산할 수 있다. 2. 감염재생산지수(R) 감염재생산지수(R)는 확진자 1명이 몇 명을 감염시키는지를 나타내는 수치로, 1 이하이면 유행이 억제되고 1 이상이면 유행이 확산된다. R은 SIR 모델을 통해 계산할 수 ...2025.01.13
-
정신보건분야에서 사례관리의 과제와 전망2025.05.081. 사례관리 개념과 중요성 사례관리는 정신보건 분야에서 중요한 개념으로서, 개별 개인이나 가족, 그룹의 복지와 적응을 개선하기 위해 사용되는 접근 방법입니다. 사례관리는 개인의 문제를 이해하고, 개인화된 지원과 서비스를 제공하기 위해 사용됩니다. 이를 통해 개인의 필요와 목표를 파악하고, 정신건강과 복지에 대한 종합적인 관리 계획을 수립할 수 있습니다. 2. 자원 부족과 예산 제한 사례관리는 다양한 과제와 도전에 직면할 수 있습니다. 그 중에서도 자원 부족과 예산 제한은 주요한 과제로 부각됩니다. 자원 부족은 정신보건 서비스의 접...2025.05.08
-
머신러닝에서의 불확실성2025.05.111. 데이터 불확실성 데이터의 일부 샘플에 레이블이 없거나 부정확한 경우, 데이터에 잡음이나 이상치가 포함되어 있거나, 데이터가 불완전한 경우 등 데이터 불확실성이 발생할 수 있습니다. 이는 모델이 정확한 예측을 하기 어렵게 만듭니다. 2. 모델 불확실성 모델이 복잡할수록 과적합될 가능성이 높아져 일반화 능력이 감소하고, 모델의 파라미터 값이 정확하게 알려지지 않는 경우 예측의 불확실성이 증가할 수 있습니다. 3. 환경 불확실성 데이터의 분포가 시간에 따라 변하거나 외부 요인이 발생하는 경우, 모델이 이러한 변동성을 정확하게 모델링...2025.05.11
-
Big Data Data Mining 데이터 마이닝2025.01.121. Data Mining 데이터 마이닝은 방대한 데이터 속에서 유용한 상관관계를 발견하고 추출하여 의사결정에 이용하는 과정입니다. 정보기술의 발달과 비즈니스 요구에 의해 등장했으며, 과열된 기업경쟁과 다양한 고객 요구에 효과적이고 빠른 기업경쟁력을 제공합니다. 데이터 마이닝 이전에는 한정된 자료와 전공 서적 중심의 연역적 방법을 사용했지만, 데이터 마이닝 시대에는 대용량 자료와 실무 중심의 귀납적 방법을 사용합니다. 2. Data Mining 기법 데이터 마이닝 기법에는 의사결정나무, 신경망 네트워크, K-평균 군집화, OLAP ...2025.01.12
-
무형식학습과 형식학습의 특징 및 성인에 대한 시사점2025.01.141. 무형식학습의 특징 무형식학습은 사전 정보 없이 데이터의 패턴과 구조를 스스로 학습하는 방식입니다. 주요 특징으로는 비지도 학습, 데이터 내부 관계 파악, 데이터 분포와 패턴 추출, 전처리와 데이터 변환에 활용 등이 있습니다. 2. 형식학습의 특징 형식학습은 주어진 데이터와 정답(레이블)을 기반으로 패턴을 학습하는 방식입니다. 주요 특징으로는 지도 학습, 레이블 기반 학습, 분류와 회귀 작업, 정답 기반 학습, 모델 평가와 일반화 등이 있습니다. 3. 무형식학습과 형식학습의 차이점 무형식학습과 형식학습의 주요 차이점은 데이터의 ...2025.01.14
-
외생변수란 무엇이며, 왜 문제가 되는지 강의내용을 중심으로 작성하시오2025.01.181. 외생변수 시장조사에서 외생변수는 조사나 연구 대상인 시스템이나 모델 외부에서 영향을 미치는 변수입니다. 이는 연구자가 통제할 수 없으며, 주로 독립변수로 작용하여 종속변수에 영향을 줍니다. 예를 들어, 경제 상황, 정부 정책, 사회적 변화, 자연재해 등이 외생변수에 해당합니다. 이러한 변수는 조사 결과에 영향을 미칠 수 있으므로 분석 시 고려되어야 합니다. 2. 외생변수의 문제 외생변수는 연구자가 통제할 수 없는 변수이기 때문에, 연구 결과에 예상치 못한 영향을 미칠 수 있습니다. 이는 연구 결과의 신뢰성을 떨어뜨릴 수 있습니...2025.01.18
-
자료에 극단값이 포함된 경우 극단값은 반드시 제외해야 하는지, 그렇게 생각하는 이유를 논거하시오.2025.01.271. 극단값이 데이터 분석에 미치는 영향 극단값은 데이터의 중심 경향 및 분포를 왜곡하는 주요 요소로 작용한다. 특히 평균, 표준편차 등 중심화된 통계치를 이용해 데이터 분석을 수행할 경우, 극단값이 포함됨으로써 분석 결과가 실제와 다르게 나타날 수 있다. 또한 극단값은 예측 모델의 성능에 부정적인 영향을 미칠 수 있다. 2. 극단값을 제외해야 하는 상황 극단값을 제외하는 것이 바람직한 경우는 해당 극단값이 데이터의 오류이거나 분석의 목적에 부합하지 않는 경우이다. 또한 극단값이 데이터의 분포나 경향성을 과도하게 왜곡할 경우 이를 ...2025.01.27
-
2024년 위더스 생산관리 A+과제2025.01.191. 마이크로 모빌리티 수요 예측 최근 마이크로 모빌리티(전동 킥보드, 공유 자전거 등)의 수요와 공급이 급증하고 있습니다. A기업은 전동 킥보드 서비스 제공 기업으로 전동 킥보드의 이용량(수요)을 늘리기 위해 먼저 이용량(수요)을 예측하고, 킥보드를 배치하려고 합니다. A기업은 킥보드 이용 활성화 전략을 수립하기 위해 어떻게 수요예측을 수행하는 것이 좋을지 예측 방법, 필요한 데이터, 그 이유를 함께 서술하세요. 1. 마이크로 모빌리티 수요 예측 마이크로 모빌리티는 전기 자전거, 전동 스쿠터, 전동 킥보드 등 소형 전기 이동수단을...2025.01.19
2 / 180
