총 87개
-
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
-
파이썬을 이용한 불법 사이트 탐지 및 차단2025.04.281. 불법 사이트 탐지 이 프로젝트는 파이썬을 사용하여 불법 사이트를 탐지하고 차단하는 기능을 제공합니다. 주요 기능으로는 구글 검색을 통해 불법 사이트 URL을 추출하고, 이를 hosts 파일에 차단하는 것입니다. 또한 머신러닝 기술을 활용하여 URL의 악성 여부를 판단하고, meta 태그의 키워드 필터링을 통해 유해 사이트를 탐지하는 기능을 포함하고 있습니다. 2. 구글 검색 및 URL 추출 이 프로젝트는 구글 검색을 통해 불법 사이트 URL을 추출하는 기능을 제공합니다. 특정 키워드로 구글 검색을 수행하고, 검색 결과에서 불법...2025.04.28
-
인공지능 ) 1. 역전파와 순전파에 대해서 설명 2. 손실함수는 어떤 특성을 갖는가 3. 옵티마이저가 무엇인지 설명 4. 위의 4가지의 연관관계를 5줄 이내로 설명2025.01.191. 역전파와 순전파 역전파와 순전파는 딥러닝, 머신러닝 등에서 학습하는 방법을 의미한다. 인공지능 모델은 필연적으로 학습을 진행하게 되는데, 이때 학습의 방향이 앞에서 뒤로 순차적으로 진행되는 학습을 순전파, 뒤에서 앞으로 학습이 진행되는 것을 역전파라고 한다. 2. 손실함수의 특성 손실함수는 학습을 위한 알고리즘이 실제와 얼마나 차이가 나는지, 오류를 판단하기 위한 함수로써 여겨진다. 학습을 기반으로 나온 데이터와 실제데이터 간의 오차를 직접적으로 계산하여 인공지능 모델의 최적화를 위한 가장 중요한 지표로써 간주한다. 3. 옵티...2025.01.19
-
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
-
의사결정 트리(Decision Trees)2025.05.101. 의사결정 트리(Decision Trees) 의사결정 트리(Decision Trees)는 머신러닝에서 가장 널리 사용되는 분류(classification) 및 회귀(regression) 알고리즘 중 하나입니다. 이는 데이터의 특징을 기반으로 한 의사 결정 규칙의 계층적 트리 모델을 나타냅니다. 의사결정 트리는 간단하고 해석하기 쉬운 모델로 알려져 있으며, 데이터의 특징을 직관적으로 이해할 수 있는 장점이 있습니다. 2. 의사결정 트리의 구조 의사결정 트리는 다음과 같은 구조로 이루어져 있습니다: 노드(Nodes), 가지(Edge...2025.05.10
-
스마트폰을 이용한 음식물 인식 및 칼로리 분석 애플리케이션 개발2025.01.231. 패턴인식 시스템의 구성요소와 처리 절차 패턴인식 시스템은 데이터로부터 유의미한 패턴을 인식하고 분류하는 기술로, 데이터 수집, 전처리, 특징 추출, 분류기 설계, 결과 해석의 다섯 가지 주요 구성 요소로 이루어진다. 이러한 구성 요소와 처리 절차는 음식물 인식 및 칼로리 분석 애플리케이션 개발에 필수적인 기반을 제공한다. 2. 음식물 인식 애플리케이션 개발 시 고려사항 음식물 인식 및 칼로리 분석 애플리케이션 개발 시 고려해야 할 사항으로는 높은 인식 정확도, 사용자 친화적인 인터페이스, 데이터 보안과 프라이버시, 다양한 음식...2025.01.23
-
선형회귀(Linear Regression)는 통계인가 머신 러닝인가?2025.05.081. 선형회귀 선형 회귀는 연속 값을 예측하는 데 사용되는 통계 방법입니다. 선형 회귀 모델은 두 변수 간의 관계를 설명하는 선형 방정식을 찾는 통계적 방법입니다. 선형 회귀 모델은 통계, 공학, 마케팅, 금융, 제조를 포함한 다양한 분야에서 사용됩니다. 선형 회귀는 데이터를 설명하고 미래를 예측하는 데 사용할 수 있는 가장 널리 사용되는 방법입니다. 2. 통계와 머신러닝 머신러닝의 등장으로 선형회귀는 주로 '지도 학습' 문제에서 사용됩니다. 선형회귀는 입력 변수와 출력 변수 사이의 선형적인 관계를 모델링하여 새로운 입력에 대한 출...2025.05.08
-
딥러닝의 통계적 이해 출석 수업 과제물 (2023, 만점)2025.01.241. Teachable Machine을 이용한 머신러닝 모델 구축 Teachable Machine을 활용하여 이미지를 학습시켰다. 사용한 이미지는 구글 이미지에서 '귀멸의 칼날'이라는 애니메이션의 주인공 4명의 다른 사진들을 각각 10장씩 찾은 뒤 머신러닝의 입력값으로 사용하였다. 본 머신러닝으로 실제로 가지고 있는 피규어 사진을 찍어 이 사진을 입력하면 애니메이션 캐릭터를 정확하게 분류할 수 있는지 파악하고자 하였다. 다양한 하이퍼파라미터 조정을 통해 최적의 정확도를 얻고자 하였으나, 설정에 따른 결과 비교를 대량으로 진행하여 거...2025.01.24
-
기업의 경영활동에서 발생한 문제를 해결하기 위한 노력2025.05.041. 기업의 빅데이터 활용 비즈니스 환경의 변화에 따라 정보시스템의 필요성이 대두되면서 기업들은 정보를 경영의 필수 요소로 판단하고 있다. 이에 따라 정보를 처리할 수 있는 시스템인 '빅데이터'가 발전하게 되었다. 금융권에서는 빅데이터 기반 머신러닝을 이용하여 이상금융거래를 사전에 탐지하고 방지하고 있으며, 신한은행은 SACP(Shinhan AI Core Platform)에 머신러닝 자기학습 프로세스를 도입하여 모형 재개발 비용과 시간을 절감하고 신용평가 모형을 지속적으로 최신화하여 신속한 대응력을 갖추게 되었다. 이처럼 빅데이터는...2025.05.04
-
마이크로 모빌리티 서비스의 효과적인 수요 예측2025.01.201. 수요 예측 마이크로 모빌리티 서비스인 전동 킥보드의 수요를 정확하게 예측하기 위해서는 과거의 이용 기록 데이터와 더불어 계절적인 변동, 특별한 이벤트 등 다양한 외부 요인을 종합적으로 고려해야 합니다. 시계열 분석과 머신 러닝 알고리즘을 활용하여 실시간으로 변화하는 상황에 신속하게 대응할 수 있는 정교한 예측 모델을 구축하는 것이 중요합니다. 2. 데이터 수집 수요 예측을 위해서는 사용자의 주행 패턴, 이용 시간대, 이동 거리 등의 이용 기록 데이터와 날씨 정보, 이벤트 및 축제 일정 등 다양한 데이터를 수집해야 합니다. 이렇...2025.01.20
1 / 9
