bizbuddha

[ 밑줄/연결 ] 머신러닝으로 할 수 있는 것은 크게 예측과 지식 발견입니다. 예측을 위해서는 지도 학습을 하고, 지식 발견을 위해서는 비지도 학습을 합니다. 지도 학습은 기계/설비의 고장 예측이나 이상 감지, 고객 이탈 예측, 상품의 판매 예측, 이미지/음성인식, 스팸 메일 찾기 등에 활용할 수 있습니다. 비지도 학습은 고객 그룹화, 상품 추천, 화제(토픽) 추출 등에 활용할 수 있습니다. 머신러닝에서는 사람이 특징량을 추출하기 위한 정의를 해야 합니다. 그러나 딥러닝에서는 기계가 학습에서 특징량을 자동으로 추출합니다. 엄밀하게 말하면 '고양이 인식'이 아닌 '고양이를 표현하는 특징량을 얻었다'고 하는 것이 올바른 표현입니다. [ 자평 ] 이미지를 통해서 기계학습, 딥러닝의 기본적인 개념과 작동 원리를..

[ 밑줄 ] 데이터 과학: 정보 처리, 인공지능, 통계학 등의 정보 과학 분야의 지혜를 이해하고 사용하는 능력. 통계 분석, 머신러닝, 딥러닝 기법 중 적절한 것을 선택하고 사용하는 능력이 필요하다. 데이터 엔지니어링: 데이터 과학을 의미 있는 형태로 사용할 수 있게 만들어 구현, 운영하는 능력. IoT기기나 DB 등에서 출력한 데이터 (이른바 raw data)를 해석할 수 있는 형태로 가공(전처리)하는 기술력이 요구된다. (분석 프로젝트의 시작과 도입 다음의 업무 설계) 프로젝트의 배경과 전제 조건을 이해 --> 프로젝트의 목적을 명확히 --> 목적과 성공 기준 설정 --> 프로젝트에 필요한 환경(HW, SW, NW, 보안 등)을 준비 --> 업무 설계 (데이터 만들기와 수집) 어떤 데이터를 수집해야 ..