총 1,106개
-
엑셀에서 회귀식 구하기 대 인공신경망의 회귀식 구하기2025.05.101. 엑셀에서의 회귀식 구하기 엑셀에서도 회귀식을 구하는 기능을 제공하지만, 데이터의 복잡성과 비선형적인 관계를 모델링하는 데에는 한계가 있습니다. 엑셀에서는 선형 회귀식, 지수 회귀식, 로그 회귀식, 다항식 회귀식 등 다양한 형태의 회귀식을 구할 수 있으며, R-squared 값을 통해 회귀식의 적합도를 평가할 수 있습니다. 그러나 R-squared 값만으로는 비선형적인 관계를 가진 데이터에 대한 적합도를 완전히 판단할 수 없으므로, 시각적인 확인과 다른 평가 지표를 함께 고려해야 합니다. 2. 인공신경망에서의 회귀식 구하기 인공...2025.05.10
-
인공지능 시대에 데이터베이스의 필요성과 중요성2025.01.281. 데이터베이스의 정의와 특성 데이터베이스는 정보를 구조적으로 저장, 관리 및 검색할 수 있도록 설계된 시스템입니다. 데이터베이스는 일반적으로 다수의 테이블로 구성되어 있으며, 데이터 간의 관계를 정의하여 데이터의 무결성과 일관성을 유지합니다. 데이터베이스는 SQL을 사용하여 데이터를 저장, 검색 및 관리하며, 접근 통제와 데이터 암호화를 통해 보안성을 확보합니다. 2. 인공지능과 데이터베이스의 관계 인공지능은 다양한 정보를 딥러닝과 머신러닝을 통해 새로운 지식을 습득합니다. 이 과정에서 인공지능은 데이터베이스에서 필요한 데이터를...2025.01.28
-
2023년 데이터베이스의 기초 및 핵심파악2025.05.081. 데이터베이스 이해 데이터베이스는 '한 조직의 여러 응용 시스템을 다수의 사용자가 공용(shared)으로 사용하기 위해 통합(integrated), 저장(stored)된 운영(operational) 데이터의 집합'이라고 정의된다. 데이터베이스는 파일 처리 시스템과 달리 자기 기술성, 추상화, 다중 뷰, 동시성 제어 등의 기능을 통해 파일 처리 시스템의 문제점을 극복한다. 데이터베이스 시스템은 3단계 구조, 즉 개념적 단계, 논리적 단계 그리고 물리적 단계로 구성된다. 2. 데이터베이스 모델링 데이터베이스 모델링 과정은 사용자 요...2025.05.08
-
학습러닝, 머신러닝 분석 레포트2025.05.051. 학습(learning) 학습(learning)이란 데이터를 이용하여 모델(model)을 학습시키는 과정을 말합니다. 이 과정에서 모델은 입력 데이터(input)와 출력 데이터(output)의 관계를 학습하게 되는데, 이를 통해 새로운 입력 데이터가 주어졌을 때 모델은 예측 결과를 출력할 수 있게 됩니다. 2. 블랙박스(black box) 블랙박스(black box)란 모델이 내부에서 어떠한 일이 일어나는지 알 수 없는 상황을 말합니다. 따라서 모델이 학습하는 과정에서 입력 데이터와 출력 데이터만을 이용하여 내부의 동작 원리를 ...2025.05.05
-
모수적 추정을 통한 데이터 기반 분포 모형화 3 (Python 코딩)2025.05.131. 모수적 추정 모수적 추정을 통해 데이터를 반영하여 분포 모델을 도출하는 과정과 그 중요성에 대해 다루고 있습니다. 기본적인 수식 y = ax + b*sin(x)에서 a와 b를 임의로 바꾼 후 단 10개의 데이터를 생성하고, 이를 바탕으로 추정을 수행합니다. MCMC 샘플링을 통해 posterior 분포를 추정하고, 이를 시각화하여 파라미터의 불확실성과 추정치의 변동성을 확인합니다. 2. 데이터 기반 모델링 주어진 데이터를 바탕으로 모수적 추정을 수행하여 모델을 도출하는 과정을 설명하고 있습니다. 10개의 데이터만을 사용하여 비...2025.05.13
-
전동 킥보드 수요 예측을 통한 서비스 활성화 전략2025.01.241. 수요 예측의 개념 수요 예측은 미래의 수요를 예측하는 과정으로, 과거 데이터를 기반으로 특정 서비스나 제품이 미래에 어느 정도 사용될지를 예측하는 것입니다. 정확한 수요 예측은 자원 배분의 효율성을 높이는 데 중요합니다. 특히 전동 킥보드 서비스 제공 기업의 경우 킥보드의 적재적소 배치가 필수적이기 때문에 수요 예측이 더욱 중요합니다. 2. 수요 예측 방법 전동 킥보드 수요 예측을 위한 대표적인 방법으로는 시계열 분석, 회귀 분석, 인공지능(AI) 기반 예측 등이 있습니다. 시계열 분석은 과거 데이터를 분석하여 미래 수요 패턴...2025.01.24
-
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
-
통계학과 머신러닝에서의 회귀 분석 목적 비교2025.04.271. 통계학에서의 회귀 분석 통계학에서의 회귀 분석은 여러 변수 사이의 경향성을 분석하는 방법으로, 한 변수의 값이 다른 변수의 값을 설명할 수 있도록 두 변수의 관계를 수식으로 표현하고 데이터로부터 추정하는 분석을 의미한다. 단순 선형 회귀 분석, 다중 선형 회귀 분석, 비선형 회귀 분석 등 다양한 방법이 있다. 2. 머신 러닝에서의 회귀 분석 머신 러닝은 인공지능의 연구 분야 중 하나로, 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술이다. 머신 러닝에서의 회귀 분석은 입력 데이터를 기반으로 예측이나 결정을 도출...2025.04.27
-
상향식 모형과 하향식 모형의 개념 및 장단점2025.01.021. 상향식 모형 상향식 모형은 정보 처리 과정에서 기본적인 요소로부터 시작하여 더 큰 구조를 형성하는 방식을 말한다. 이는 언어 학습에서의 개별 소리, 단어, 그리고 문장 구조와 같은 구체적인 정보를 기반으로 전체적인 의미를 구축하는 과정을 포함한다. 상향식 접근은 세부적인 정보에 초점을 맞추며, 이러한 정보들을 통합하여 전체적인 이해를 도모한다. 상향식 모형의 장점은 구체적이고 실제 감각 데이터에 근거하여 정보를 처리한다는 것이며, 이는 새로운 상황이나 데이터에 대해 매우 효과적으로 대응할 수 있게 해준다. 반면, 이 모형의 단...2025.01.02
-
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
4 / 111
