PIPI

https://yozm.wishket.com/magazine/detail/2052/ [쉽게 배우는 AI] 7. 머신러닝의 분류 | 요즘IT 머신러닝은 다양한 분류 체계를 가지고 있는데요. 개발자는 이러한 머신러닝 시스템의 분류 체계를 이해하고, 적절한 방식을 선정하는 것이 중요합니다. 오늘은 머신러닝을 분류하는 방법을 살 yozm.wishket.com - 지도학습 '지도'는 기계를 가르친다는 의미다. 문제집을 푸는 것과 비슷하다 문제와 정답을 비교하고 맞히다 보면 문제 풀이에 익숙해지고 이후에 비슷한 문제를 만나면 오답에 빠질 확률이 낮아지는 것이다. 데이터로 컴퓨터를 학습시켜서 모델을 만드는 방식을 '지도학습'이라고 한다. - 비지도학습 지도학습에 포함되지 않은 방법들이다. 기계에 데이터에 대한 통찰력..

https://yozm.wishket.com/magazine/detail/2043/ [쉽게 배우는 AI] 6. 상관관계와 인과관계 | 요즘IT 지금까지 데이터 산업에서 데이터를 표나 그래프로 정리해서 본다는 것을 배웠습니다. 그렇다면 표에 정리했을 때, 독립변수와 종속변수는 어떻게 표현될까요? 표에서 어떤 열의 값이 변할 때 yozm.wishket.com - 상관관계 한쪽의 값이 바뀌면 다른 쪽의 값도 바뀐다. 두 개의 특성이 서로 관련이 있다고 추측할 수 있다. 두 개의 특성이 '서로 상관이 있다'라고 해서 상관관계다. - 인과관계 각 열이 원인과 결과의 관계일 때 인과관계라고 한다. - 상관관계와 인과관계는 비슷한 듯 하지만, 중요한 차이가 있다. - 모든 인과관계는 상관관계지만 모든 상관관계가 인과..

https://yozm.wishket.com/magazine/detail/2031/

https://yozm.wishket.com/magazine/detail/2017/ [쉽게 배우는 AI] 4. 표와 데이터 셋 | 요즘IT 무작위하게 흩어져있는 데이터를 정리할 때 어떤 방법을 사용하면 좋을까요? 보통 표와 그래프를 가장 많이 사용합니다. 정리된 데이터 상태를 보고 싶을 때는 표를, 변화의 흐름이나 정도 등을 yozm.wishket.com - 인류가 만든 시각화 도구 중에서 가장 위대한 것은 표와 그래프다. - 그 중 제일은 표다. - 표는 행과 열에 데이터를 넣는 도구로 아무리 복잡한 데이터라도 표로 데이터를 정리하면 단정하게 정리할 수 있다. - 엑셀이나 데이터 베이스와 같은 도구에 표를 담으면 컴퓨터가 가진 저장 용량과 처리 속도를 이용해 편리하게 사용할 수 있다. - 여기에 머신 ..

https://yozm.wishket.com/magazine/detail/2004/ [쉽게 배우는 AI] 3. 데이터 산업과 직업 | 요즘IT 우리가 사는 현실을 데이터로 변환할 수 있다면, 컴퓨터의 힘으로 많은 일을 해낼 수 있습니다. 이렇게 변환된 데이터를 활용하기 위한 방법 중 하나가 바로 머신러닝입니다. 복잡한 현실을 데 yozm.wishket.com - 아이디어를 현실화하기 위해서는 '데이터'가 필요하다. - 데이터 자체는 현실이 아니지만 현실을 데이터로 표현할 수 있으면 컴퓨터의 힘으로 데이터를 처리할 수 있다. - 처리 방법 중 하나가 머신 러닝이다. - 현실을 데이터화하면 복잡한 현실에서 단순해진 데이터로 발견하기 어려운 통찰을 찾아낼 수 있다. - 이를 통해서 현실을 변화시키는 일을 하는..

https://yozm.wishket.com/magazine/detail/1997/ [쉽게 배우는 AI] 2. 머신러닝 모델이란? | 요즘IT 머신러닝에서 모델은 입력 데이터와 출력 데이터 사이의 패턴과 관계를 학습하기 위해 데이터 세트에서 훈련된 프로그램으로, 회귀, 의사 결정 트리, 신경망 등 많은 기술을 사용하여 훈련될 수 yozm.wishket.com - 모델은 머신러닝을 이해하는 열쇠다. - 교훈에 대한 설명은 아이들로 예를 들 수 있다. 아이들은 아이스크림을 먹으면 맛있다고 느끼고 돌을 먹어보면 먹지 못하는 것을 알게 된다. 이 과정에서 먹어도 되는 것과 안 되는 것을 학습하는데 이런 판단 능력을 '교훈'이라고 부른다. - 교훈 덕분에 경험해보지 않아도 결과를 예측 혹은 추측할 수 있다. - ..

https://yozm.wishket.com/magazine/detail/1985/ [쉽게 배우는 AI] 1. 머신러닝이란? | 요즘IT 지금까지 인류는 좋은 결정을 내리기 위해 많은 노력을 했습니다. 숫자를 발명해 크기에 대해 정밀하게 인식할 수 있게 되었고, 더 나아가 복잡한 세상을 숫자로 표현하기 위한 여러 방법을 찾 yozm.wishket.com - 결정은 비교와 선택으로 이루어져 있다. - 인류는 좋은 결정을 하기 위해 수를 만들어서 대소관계를 표준화시켰다. - 숫자 덕분에 크기에 대해서 엄밀하게 인식하고 정밀하게 소통할 수 있게 됐다. - 수는 비교를 위한 가장 중요한 도구다. - 인류는 복잡한 세상을 숫자로 표현하기 위한 여러 가지 방법을 찾고 모아 '통계'라고 이름을 붙였다. - 인간의 욕..

https://brunch.co.kr/@jennyjang93/22 빅 데이터와 데이터 사이언스의 차이점 및 관계성 여러분들은 빅 데이터와 데이터 사이언스가 과연 같은 의미인지, 아니면 서로 다른 의미인지 헷갈리시지 않으셨나요? 저는 사실 이 둘의 차이점을 구별하기가 참 어려웠습니다 .. 빅데이터와 데 brunch.co.kr 빅 데이터와 데이터 사이언스의 차이점 - 빅 데이터와 데이터 사이언스는 데이터를 다루는 방식이 다르다. 빅 데이터는 방대한 양의 데이터를 취급하고 관리하는 것을 다룬다. 빅 데이터 : MapReduce와 Hadoop의 등장으로 많은 양의 데이터를 쉽게 처리할 수 있다. 데이터 사이언스 : 데이터를 과학적으로 분석하는 학문이다. 본질적으로 더 정량적이며 다양한 통계적 접근 방식을 사용해..

https://www.madtimes.org/news/articleView.html?idxno=18524 데이터 분석에서 치열하게 생각하는 방법 - 매드타임스(MADTimes) 조금 모호한 이야기가 되겠지만, 데이터를 분석할 때 치열하게 생각하는 방법에 관해 이야기해 보려 한다.“데이터 분석가에게 필요한 역량”에 대한 질문을 받을 때마다 가장 강조하고 싶은 www.madtimes.org - '데이터 분석가에게 필요한 역량'에 대한 질문을 받을 때마다 가장 강조하고 싶은 게 '치열하게 생각할 줄 알아야 한다'는 것이다. - 치열하다는 것을 자칫 시간과의 싸움이라고만 생각하기 쉽지만 오히려 다양한 관점에서 생각할 수 있는지가 관건이다. - 데이터 분석에서 '생각'은 명상을 통해 얻게 되는 깨달음이 아니다. ..

https://yozm.wishket.com/magazine/detail/2394/ 성장하고 싶은 당신이 꼭 해야 하는 인지적 활동 | 요즘IT 본인이 어떤 문제가 있는지 인지조차 없다면, 그 어떤 말을 들어도 스스로 변화를 만들 수 없다. 변화는 인지를 통한 깨달음에서 시작하기 때문이다. 안타깝게도 스스로 인지하는 일은 쉽지 않 yozm.wishket.com - 본인이 어떤 문제가 있는지 인식조차 없다면, 그 어떤 말을 들어도 스스로 변화를 만들 수 없다. 변화는 인지를 통한 깨달음에서 시작하기 때문이다. - 의도적인 인지 활동은 성장의 필수 요소다. - 그런데 인지적 활동이 성장과 효과적으로 이어지려면 '성장 마인드셋'과 '지속적인 학습'이라는 기반이 필요하다. 성장 마인드셋과 지속적인 학습 - 드웩..