총 1,027개
-
딥러닝의 EEG 신호 분석에서의 활용과 CNN의 원리2025.01.141. 딥러닝 기반 EEG 분석 딥러닝 기법들은 동작상상, 감정인식 등 EEG 데이터 분류 작업에서 우수한 성능을 보인다. 딥러닝 알고리즘은 EEG 데이터 수집과 전처리, 딥러닝 모형 학습, 신호 분류 및 해석의 과정으로 구성된다. 전처리 과정에서는 입력받은 뇌파 신호를 분류하기 쉬운 형태로 바꿔주어 분류의 정확도를 높여야 한다. 2. EEG분석을 위한 딥러닝 기법 EEG 분석을 위한 딥러닝 기법에는 CNN, RNN, GAN, Autoencoder 등이 있다. 입력되는 데이터의 특징에 따라 CNN보다 RNN이 자극에 의한 변화를 인식...2025.01.14
-
머신러닝과 수율 영향인자 분석하기2025.05.101. 수율 영향 요소 제조 과정에서 수율에 영향을 미치는 주요 요소로는 원자재 품질, 공정 설계 및 제어, 장비 및 기술, 작업자의 기술과 교육, 품질 관리 시스템, 환경 조건 등이 있습니다. 이러한 요소들은 제조 산업의 특성과 제품에 따라 다를 수 있지만, 일반적으로 수율 향상을 위해서는 이러한 요소들을 관리하고 최적화하는 것이 중요합니다. 2. 머신러닝을 활용한 수율 영향성 분석 머신러닝을 활용하여 수율 영향성을 분석하기 위해서는 데이터 수집, 전처리, 특성 선택 및 추출, 모델 구축, 학습 및 평가, 결과 해석 등의 단계를 거...2025.05.10
-
(A0) 서울대학교 머신러닝을 위한 기초 수학 및 프로그래밍 실습 과제, 소논문2025.01.181. 머신러닝 기초 수학 및 프로그래밍 실습 이 자료는 서울대학교에서 진행된 머신러닝 수업의 과제와 소논문에 대한 내용입니다. 과제 7-1에서는 최종 프로젝트에 대한 1페이지 제안서 작성이 요구되었습니다. 제안서에는 예측, 분류, 값 예측 등의 아이디어와 데이터 수집 및 실현 계획이 포함되어야 합니다. 과제 7-2에서는 팬데믹 이후 여행하고 싶은 두 도시를 선택하고 이들 간의 거리를 계산하는 프로그래밍 과제가 주어졌습니다. 1. 머신러닝 기초 수학 및 프로그래밍 실습 머신러닝은 데이터 기반의 알고리즘을 통해 문제를 해결하는 기술로,...2025.01.18
-
숨겨진 물리적 변수 발견을 위한 머신 러닝 알고리즘2025.01.161. 머신 러닝 알고리즘 최근 과학의 발전이 점차 복잡한 방향으로 나아가면서, 이를 이해하고 분석하기 위한 방법론에 대한 필요성이 증가하고 있다. 특히 물리학에서는 복잡한 물리적 현상을 설명하기 위해 다양한 변수들을 식별하고 이들 간의 관계를 정의하는 과정이 요구되는데, 이는 굉장히 복잡하고 어려운 작업이다. 이러한 배경 속에서 컬럼비아 대학의 연구진이 개발한 머신 러닝 알고리즘은 동작 관련 영상만을 보고도 관련된 물리적 변수를 발견하고 산출하는 능력을 갖추고 있다. 2. 물리적 변수 발견 이 알고리즘이 뛰어난 점은, 알려진 시스템...2025.01.16
-
우리 주변 머신러닝의 대표적인 혁신(편리성 등) 사례 연구2025.01.181. 문화공간과 전시관의 머신러닝 활용 문화공간과 전시관에서는 머신러닝을 활용한 관람객 맞춤형 서비스가 도입되고 있습니다. 예를 들어, 런던의 대영박물관은 머신러닝을 통해 방문객의 관심사를 분석하고, 맞춤형 투어 경로를 제공합니다. 이를 통해 관람객은 자신이 선호하는 전시물에 집중할 수 있으며, 보다 풍부한 관람 경험을 얻을 수 있습니다. 2. 매장 디스플레이에서의 머신러닝 활용 소매업체들은 머신러닝을 활용하여 고객의 구매 패턴을 분석하고, 이에 맞춰 매장 디스플레이를 최적화합니다. 예를 들어, 아마존 고(Amazon Go) 매장은...2025.01.18
-
플립러닝을 활용한 형태 초점 한국어 문법 교수 방안2025.01.021. 형태 초점 교수법 형태 초점 교수법은 의사소통 중심으로 이루어지면서도 문법, 어휘 등 형태적인 요소에도 집중하는 교수법이다. 입력 중심 기법과 출력 중심 기법이 있으며, 입력 중심 기법에는 입력 홍수, 입력 강화, 명시적 규칙 설명, 입력 처리 기법이 있고, 출력 중심 기법에는 듣고다시쓰기, 고쳐말하기, 의식고양과제가 있다. 2. 플립 러닝 플립 러닝은 학습자가 수업 전 자기주도적 학습으로 지식이나 정보를 습득하고, 교실수업에서는 교수자의 코칭 및 동료 학습자들과의 협업체제를 기반으로 문제해결학습을 통하여 인성과 창의성을 길러...2025.01.02
-
방송통신대학교(방통대) 머신러닝 과목 출석수업과제물 리포트2025.01.241. 머신러닝의 일반적 처리 과정 머신러닝의 일반적인 처리 과정은 학습과 추론으로 구성됩니다. 학습 단계에서는 데이터 전처리, 특징 추출, 학습 진행, 결정 함수 생성 등의 과정을 거치고, 추론 단계에서는 테스트 데이터 전처리, 특징 추출, 추론 진행, 처리 결과 획득 등의 과정을 거칩니다. 2. 머신러닝의 4가지 주제 머신러닝의 4가지 주요 주제는 분류, 회귀, 군집화, 특징 추출입니다. 분류는 입력을 미리 정의된 이산적인 출력으로 매핑하는 문제이고, 회귀는 입력을 연속적인 실수 값으로 매핑하는 문제입니다. 군집화는 데이터를 교집...2025.01.24
-
딥러닝의 최신 동향: ChatGPT, Gemini, Lamma, Claude, Hyper Clovax 등2025.01.171. Gemini Gemini는 구글의 AI 연구팀이 개발한 차세대 언어 모델로, 인간 수준의 이해력과 자연스러운 대화를 목표로 하고 있습니다. Gemini는 다중 언어 지원, 컨텍스트 이해, 확장성 등의 특징을 가지고 있으며, 구글 검색 엔진, 음성 비서, 번역 서비스 등 다양한 애플리케이션에 적용되고 있습니다. 2. Lamma Lamma는 Meta(구 Facebook)의 AI 연구팀이 개발한 새로운 딥러닝 모델로, 텍스트 생성, 이미지 인식, 음성 인식 등 다양한 분야에서 활용될 수 있습니다. Lamma는 대규모 사전 학습, 적...2025.01.17
-
소셜러닝이란 무엇인지와 기업 교육에 어떻게 적절하게 활용할 수 있을지에 대해2025.04.261. 소셜러닝 소셜러닝은 사람들이 다른 사람들과 교류하면서 새로운 지식을 습득하게 되는 지속적인 과정이다. 기업 환경에서는 재직자들의 교육에서 블로그, 게시판, 위키, 토론 또는 동영상을 활용한 동료와의 학습을 소셜러닝으로 지칭하고 있다. 소셜러닝은 직원들이 스스로 책임감을 가지고 배울 수 있도록 만들고, 교통비 및 숙박비 없이 원격 수업 형태로 진행되어 더 많은 참여와 집중을 이끌어낼 수 있다. 또한 상호 협업을 촉진시키면서 기업문화를 향상시키는 효과도 있다. 2. 기업 교육에서의 소셜러닝 활용 소셜러닝은 일과 중에 업무를 하면서...2025.04.26
-
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
3 / 103
