총 842개
-
LAN, MAN, WAN의 분류 방법에 대해 설명하시오2025.01.191. LAN (Local Area Network) LAN은 근거리 통신망으로, 비교적 작은 지리적 영역 내에서 운영되는 네트워크를 의미합니다. 일반적으로 가정, 사무실, 학교 등의 건물이나 캠퍼스 내에서 사용됩니다. LAN의 주요 특징은 짧은 거리, 고속 전송, 저비용, 전용 네트워크입니다. LAN은 이더넷(Ethernet), Wi-Fi와 같은 다양한 기술을 사용하여 구현될 수 있습니다. 2. MAN (Metropolitan Area Network) MAN은 도시 지역망으로, 대도시나 도시 내 여러 건물 또는 캠퍼스를 연결하는 네트...2025.01.19
-
유아교육현장에서의 아동 수학교육의 내용 중 분류하기와 순서짓기, 측정 및 차이비교를 위한 활용방안2025.05.131. 분류하기 및 순서짓기 분류하기는 영아들도 발달시킬 수 있는 개념으로, 단순분류, 짝지어보기, 복합적으로 분류하기 등의 방법이 있다. 순서짓기는 사물의 차이와 속성을 파악한 뒤 차이의 정도를 기준으로 순서대로 배열하는 활동이며, 단순 순서짓기, 이중 순서짓기, 복합 순서짓기가 있다. 2. 차이비교 유아들이 차이를 비교하거나 측정하는 수학활동을 할 때 물건을 뒤집거나 돌리거나 옮기면서 이해력을 높일 수 있다. 퍼즐이나 패턴블록, 칠교판 등의 구체물과 놀잇감으로 직접 조작해보면서 도형의 변환을 즐겁게 이해할 수 있다. 3. 측정 유...2025.05.13
-
방통대 [딥러닝의통계적이해] 2024 출석과제물 (30점 만점 인증 / 표지제외 18페이지 분량 / 코드 및 해설 포함)2025.01.251. Teachable Machine을 이용한 이미지 분류 Teachable Machine에 판다 이미지 54개와 레서판다 이미지 21개를 각 클래스로 나누어 입력하고 학습시켰다. 학습 시도 횟수인 에포크는 50으로 설정되었으며, 배치 크기는 16으로 설정되었다. 학습률은 0.001로 설정되어 있으며, 학습이 완료된 모델에 테스트 이미지를 입력한 결과 판다와 레서판다의 사진 또는 그림에 대해 대부분 100%로 판단하고 정답을 맞추는 것을 확인할 수 있었다. 레서판다 이미지 샘플 수 부족을 보완하기 위해 학습률을 0.00057로 낮추...2025.01.25
-
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
-
데이터 마이닝, 출석수업 과제물 (2023 1학기, 30점 만점)2025.01.251. 데이터 마이닝 기법 데이터 마이닝은 데이터에서 의미를 추출하는 기법을 의미하며, 모수적 모형 접근 방법과 알고리즘 접근 방법이 모두 활용될 수 있다. 모수적 모형 접근법은 모형을 설정하고 모수를 추정하는 방식이며, 알고리즘 접근법은 정해진 알고리즘으로 계산하여 결과를 분석하는 방식이다. 각각의 장단점이 있으며, SNS 텍스트 데이터 분석에 활용할 수 있다. 2. 로지스틱 회귀모형 적합 와인 품질 데이터에 로지스틱 회귀모형을 적합하였다. alcohol 변수만 사용한 모형, sulphates 변수만 사용한 모형, 그리고 유의미한 ...2025.01.25
-
서포트 벡터 머신(SVM)을 이용한 초음파 활용 침술법2025.01.281. 서포트 벡터 머신(SVM) 서포트 벡터 머신(SVM)은 N차원의 공간을 (N-1)차원으로 나눌 수 있는 초평면을 찾는 분류 기법이다. 선형 SVM은 선형으로 데이터의 집단을 나눌 수 있을 때 사용되며 하드마진과 소프트마진 방식으로 나뉜다. 비선형 SVM은 N차원 상태에서 선형분리가 불가능한 상태이지만 이를 해결하기 위해 선형분리가 가능한 고차원으로 데이터를 옮겨 선형분리를 진행한 후 다시 기존의 차원으로 변환시키는 과정을 말한다. 커널트릭을 이용하면 확장된 특성공간의 두 벡터의 내적만 계산하면 되기 때문에 고차원의 복잡한 계산...2025.01.28
-
변수의 개념 및 변수의 기능에 따른 분류와 제3의 변수에 대해 설명2025.04.291. 변수의 개념 변수는 사회현상을 설명하기 위해 설정하게 되는 가설의 핵심 구성 요소로, 추상적인 개념을 상세하게 하여 구체화하고 연구대상의 속성에 계량적인 수치를 부여하여 경험적으로 측정이 가능하게 하는 개념이다. 변수는 둘 이상의 구분되는 변수값 또는 속성을 갖는다. 2. 변수의 기능에 따른 분류 변수는 독립변수, 종속변수, 매개변수, 조절변수, 외생변수로 분류된다. 독립변수는 다른 변수의 변화를 일으키는 변수이고, 종속변수는 다른 변수에 영향을 받아 변화하는 변수이다. 매개변수는 독립변수와 종속변수 사이에서 중간다리 역할을 ...2025.04.29
-
변수의 개념 및 변수의 기능에 따른 분류와 제3의 변수에 대해 설명하시오2025.01.141. 변수의 개념 변수는 조사나 연구에서 측정되거나 조작되는 개체나 속성을 나타내는 것으로 정의된다. 이는 관측되거나 조작되는 대상의 특성을 표현하며, 다양한 값이 존재할 수 있다. 변수는 특정한 값을 취할 수 있으며, 그 값에 따라 다른 결과를 나타낼 수 있다. 예를 들어, 나이, 성별, 학력 수준 등이 변수의 예이다. 변수는 어떤 현상이나 개념을 수량화하거나 명명하는 데 사용되며, 이를 통해 데이터를 분석하고 결과를 해석할 수 있다. 2. 변수의 기능에 따른 분류 변수의 기능에 따른 분류는 데이터 분석 및 연구에서 매우 중요한 ...2025.01.14
-
변수에 대한 설명과 가장 주의해야 할 변수2025.05.031. 변수의 분류 변수는 속성과 목적에 따라 공칭변수, 비율변수, 독립변수, 종속변수, 매개변수, 제어변수 등으로 나눌 수 있다. 이 중에서 제어변수가 가장 주의해야 할 변수인데, 이는 두 변수의 관계를 명확히 하기 위해 필요한 세 번째 변수를 통제하는 것을 말한다. 제어변수가 제대로 통제되지 않으면 독립변수와 종속변수의 관계를 정확히 검증할 수 없기 때문이다. 1. 변수의 분류 변수는 프로그래밍에서 매우 중요한 개념입니다. 변수는 데이터를 저장하고 조작하는 데 사용되며, 프로그램의 동작을 제어하는 데 핵심적인 역할을 합니다. 변수...2025.05.03
-
[데이터과학개론] 1. 정형 데이터는 크게 범주형 데이터와 수치형 데이터로 나뉜다.2025.01.261. 범주형 데이터와 수치형 데이터의 비교 범주형 데이터는 말 그대로 범주, 즉 고정된 여러 개의 분류에 해당하는 데이터를 말한다. 이러한 데이터는 수량화가 어려운 데이터로, 특정 대상이 어느 범주에 속하는지를 나타내는 값들로 구성된다. 예를 들어 성별, 국가명, 색상 등이 이에 해당한다. 범주형 데이터는 주로 명목척도나 서열척도와 같은 비수치적 정보를 제공한다. 반면에, 수치형 데이터는 수량적 정보를 나타내며, 실제 값으로 표현되는 데이터를 의미한다. 수치형 데이터는 이산적 데이터와 연속적 데이터로 나뉘며, 이는 수량화가 가능하고...2025.01.26
4 / 85
