총 3,744개
-
데이터 유형과 데이터 주도권에 대한 이해2025.01.251. 데이터 유형 데이터는 범주형 데이터와 수치형 데이터로 구분되며, 범주형 데이터는 다시 명목형 데이터와 순서형 데이터로, 수치형 데이터는 연속형 데이터와 이산형 데이터로 나뉜다. 각 데이터 유형의 특징과 예시를 설명하였다. 2. 데이터 주도권 데이터 사용자에게 필요한 5가지 소양인 이해력, 인문학적 소양, 통찰력, 윤리의식, 유연성을 'CHIEF'라는 용어로 설명하였다. 이 중 인문학적 소양과 통찰력을 집중적으로 갖추고자 하는 이유와 목표를 제시하였다. 3. 데이터베이스 모델 계층형, 네트워크형, 관계형 데이터베이스 모델의 특징...2025.01.25
-
관계 데이터 모델에서 사용하는 키의 종류와 특징2025.01.241. 기본 키(Primary Key) 기본 키는 테이블 내에서 각 행을 고유하게 식별할 수 있는 속성을 의미합니다. 기본 키는 반드시 고유해야 하며, 값이 null일 수 없습니다. 이는 데이터 무결성을 보장하는 가장 중요한 역할을 합니다. 2. 후보 키(Candidate Key) 후보 키는 테이블 내에서 기본 키로 선택될 수 있는 모든 속성을 의미합니다. 테이블에 여러 후보 키가 존재할 수 있으며, 그중 하나가 기본 키로 선택됩니다. 3. 대체 키(Alternate Key) 대체 키는 후보 키 중 기본 키로 선택되지 않은 나머지 속...2025.01.24
-
보건의료데이터관리개념정리 (시험대비)2025.04.261. 보건의료 데이터 관리 보건의료분야에서 다양하게 발생하는 데이터를 수집, 정제 및 저장, 분석 및 활용하는 것으로 보건의료분야의 데이터 관리->보건의료분야의 체계적인 데이터 관리는 환자에게 전 생애에 걸쳐서 맞춤형 서비스를 통합적으로 제공하여 국민들이 보다 건강한 삶을 살 수 있게 하고, 의료기관의 의료서비스의 질적 수준을 향상시키는 등 다양한 분야에서 큰 기여를 할 수 있다. 2. 데이터 관리의 필요성 1. 데이터 양의 증가 2. 데이터 활용 영역의 확대 3. 데이터가 자산인 시대 4. 데이터의 신뢰성과 품질 수준이 낮음 3....2025.04.26
-
시계열 데이터 분석 기법의 장단점 및 예시2025.01.261. ARIMA 모델 ARIMA 모델은 시계열 데이터의 선형적 관계를 잘 포착하여 비교적 간단한 수식으로 데이터 예측이 가능하다는 장점이 있습니다. 주식 가격 예측, 경제 지표 예측, 수요 예측 등에서 유용하게 사용될 수 있습니다. 그러나 비선형적이거나 계절적 패턴을 가진 데이터에는 적합하지 않으며, 모델의 설정 및 파라미터 최적화가 복잡할 수 있다는 단점이 있습니다. 2. 지수평활법 지수평활법은 데이터의 최신 변화에 빠르게 반응하여 짧은 기간의 예측에 특히 유리합니다. 이 방법은 비교적 간단하고 직관적이며, 데이터가 급격히 변동할...2025.01.26
-
머신러닝 2024년 2학기 방송통신대 출석수업과제물 과제 슬라이드 1~7의 코드 및 설명을 참조하여 신경망 구성 및 test accuracy 출력2025.01.261. Fashion MNIST 데이터셋 Fashion MNIST 데이터셋은 옷 이미지 데이터셋으로, 10개의 클래스(T-shirt/top, Trouser, Pullover, Dress, Coat, Sandal, Shirt, Sneaker, Bag, Ankle boot)로 구성되어 있습니다. 이 데이터셋을 사용하여 신경망 모델을 구축하고 학습을 진행합니다. 2. 데이터 전처리 데이터 시각화를 통해 이미지 데이터를 확인하고, 픽셀 값을 0~1 사이의 실수로 정규화하여 모델 학습에 사용합니다. 이미지 데이터를 1차원 벡터로 변환하는 과정...2025.01.26
-
머신 러닝 학습을 위한 데이터 증량하기2025.05.081. 데이터 증강 데이터 증강(Data Augmentation)은 현대 머신러닝과 딥러닝 분야에서 핵심 개념이 되었습니다. 데이터의 양과 질은 모델의 성능과 일반화 능력에 큰 영향을 미치지만, 현실적인 제약으로 인해 충분한 양의 고품질 데이터를 수집하기 어려운 문제를 해결하기 위해 데이터 증강이 등장하였습니다. 데이터 증강은 기존의 데이터를 변형하여 새로운 데이터를 생성하는 과정으로, 모델의 학습과 예측 능력을 향상시킬 수 있습니다. 2. 데이터 증강 기법 다양한 데이터 증강 기법이 개발되어 있으며, 이를 통해 다양한 유형의 데이터...2025.05.08
-
데이터베이스 - 인공지능시대 데이터베이스의 필요성과 중요성2025.04.281. 데이터베이스 데이터베이스는 기업에서 데이터를 수집, 저장, 관리하는 핵심적인 기술이다. 인공지능 기술이 발전하면서 데이터의 가치와 중요성이 더욱 높아지고 있으며, 데이터베이스는 기업이 데이터를 효과적으로 활용하고 새로운 비즈니스 모델을 개발하는 데 필수적인 역할을 하고 있다. 데이터베이스는 기업의 목적과 전략에 맞게 데이터를 체계적으로 관리하고 분석할 수 있도록 설계되어야 하며, 이를 통해 기업은 시장 경쟁력을 확보할 수 있다. 2. 인공지능 인공지능은 4차 산업혁명의 핵심 기술로, 기업들이 다양한 데이터 원천으로부터 인사이트...2025.04.28
-
데이터 확장하기 (Data Augmentation)2025.05.101. 데이터 확장 데이터 확장은 기존의 데이터를 사용하여 새로운 데이터를 생성하거나 추가 정보를 생성하는 프로세스를 말합니다. 이는 기계 학습 및 인공지능 분야에서 중요한 작업 중 하나입니다. 데이터 확장은 데이터셋의 크기와 다양성을 늘리는 데 도움이 됩니다. 큰 데이터셋은 모델의 성능과 일반화 능력을 향상시킬 수 있습니다. 더 다양한 데이터를 사용하면 모델이 다양한 패턴과 예외 상황을 인식하고 처리하는 데 더 효과적일 수 있습니다. 2. 데이터 확장 기법 데이터 확장은 주로 이미지 및 오디오 데이터 처리에서 많이 사용됩니다. 다양...2025.05.10
-
A+데이터 모델링에 있어 요구사항 명세를 분석하여 ER 모델로 구성하는 개념적 설계를 수행한다. 산출물인 ERD를 데이터모델 설계 툴인 Toad for Data Modeler을 이용하여 작성2025.05.061. 데이터 모델링의 절차 데이터베이스 설계는 사용자의 요구를 고려하여 데이터베이스를 작성하는 프로세스입니다. 데이터베이스를 구축하기 위해서는 사용자의 요구를 분석하고 분석 결과에 따라 데이터베이스의 논리적 및 물리적 구조를 적절하게 설계해야 합니다. 데이터 모델링의 절차에는 요구사항 분석, 개념적 설계, 논리적 설계, 물리적 설계, 구현 단계가 포함됩니다. 2. 개념적 설계 단계의 이해 개념적 설계 단계에서는 ERD 등 개념 데이터 모델을 사용하여 수요 분석 단계의 결과를 표현합니다. 수요 분석 결과에 따라 데이터베이스에 저장된 ...2025.05.06
-
관계형 데이터베이스의 정의와 구성 요소2024.12.311. 관계형 데이터베이스 관계형 데이터베이스는 데이터를 표 형태의 릴레이션으로 표현하는 모델입니다. 데이터의 설계가 쉽고 간결하지만 성능이 떨어지는 단점이 있습니다. 관계형 데이터베이스의 주요 구성 요소로는 애트리뷰트, 릴레이션, 도메인, 튜플, 키 등이 있습니다. 이를 통해 대량의 정보를 쉽고 간결하게 처리할 수 있어 정보화 시대에 중요성이 높아지고 있습니다. 1. 관계형 데이터베이스 관계형 데이터베이스는 데이터를 테이블 형태로 저장하고 관리하는 데이터베이스 시스템입니다. 이는 데이터 간의 관계를 명확히 정의하고 유지할 수 있어 ...2024.12.31
3 / 375
