[머신러닝알고리즘] K-최근접 이웃(KNN)

3. K-최근접 이웃(KNN) K-최근접 이웃은 거리 기반 모델입니다. 지금까지 다룬 알고리즘들과 달리 선형 관계를 전제로 하지 않습니다. 즉 각 데이터 간의 거리를 활용해서 새로운 데이터를 예측하는 모델입니다. 이때 가까이에 있는 데이터를 고려하여 예측값이 결정됩니다. K Nearest Neighbors라는 이름은 이를 잘 반영하고 있는데, K개의 가장 가까운 이웃 데이터에 의해 예측된다는 의미입니다. – 구분 : 지도 학습 – 문제 유형 : 회귀/분류 – 적합한 데이터 유형 : 아웃라이어가 적은 데이터 ▼ TOP 10 선정 이유 다중분류 문제에 가장 간편히 적용할 수 있는 알고리즘입니다. 물론 최신 알고리즘들도 다중분류 문제에 사용하나, 데이터가 크지 않고 예측이 까다롭지 않은 상황에서 KNN을 사용..

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 7. 1.
• textsms

[머신러닝알고리즘] 로지스틱 회귀분석

2. 로지스틱 회귀(Logistic Regression) 로지스틱 회귀 또한 선형 회귀처럼 기본 분석 모델입니다. 로지스틱 회귀 분석은 알고리즘의 근간을 선형 회귀 분석에 두고 있어서 선형 회귀 분석과 상당히 유사하지만 다루는 문제가 다릅니다. 선형 회귀 분석은 연속된 변수를 예측하는 반면, 로지스틱 회귀 분석은 Yes/No처럼 두 가지로 나뉘는 분류 문제를 다룹니다. – 구분 : 지도 학습 – 문제 유형 : 분류 – 적합한 데이터 유형 : 종속변수와 독립변수가 선형 관계에 있는 데이터 ▼ TOP 10 선정 이유 선형 회귀 분석과 마찬가지로, 너무나도 기본 알고리즘이라서 꼭 알고 있어야 합니다. 실제 이진분류가 필요한 상황이 많기 때문에 두 가지 범주를 구분하는 간단한 예측에 유용하며 딥러닝에서도 기본 ..

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 7. 1.
• textsms

[머신러닝알고리즘] 선형회귀분석

1. 선형 회귀(Linear Regression) 선형 회귀는 가장 기초적인 머신러닝 모델입니다. 여러 가지 데이터를 활용하여 연속형 변수인 목표 변수를 예측해 내는 것이 목적입니다. 예를 들어 몸무게, 나이, BMI, 성별 등을 데이터로 활용하여 키와 같은 연속형 변수를 예측하는 겁니다. 연속형 변수는 165.5cm, 172.3cm, 182.9cm와 같이 연속적으로 이어질 수 있는 변수를 의미합니다. 반면 남성/여성으로 구분되는 성별은 연속형 변수가 아닙니다. 선형 회귀 모델에서는 예측할 종속변수만 연속형 변수면 족합니다. 예측하는 데 사용되는 그외 변수들은 연속형일 필요는 없습니다. – 구분 : 지도 학습 – 문제 유형 : 회귀 – 적합한 데이터 유형 : 종속변수와 독립변수가 선형 관계에 있는 데이터..

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 7. 1.
• textsms

DATA 전처리(Preprocessing)

특성변수의 단위가 다르거나 범주일 경우 거리계산에 오류가 발생함. 이를 조정하기 위한 과정 단위의 조정 : scaling

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 7. 1.
• textsms

DATA SET 분할

전체 데이터 중 학습을 시키기 위한 데이터는 70 ~ 80%(train data), 학습된 모델이 다른 데이터에도 맞는지 확인하기 위한 테스트 데이터는 20~30%가량 나눔 이유는 일반화를 검증 및 일반화에 적합한 모델을 확인하기 위함.

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 7. 1.
• textsms

머신러닝 프로세스

1. Data Set 분할 - 학습데이터를 랜덤으로 학습/검증셋(trani/validation) 분할 - 테스트 셋(test)도 준비 - 학습데이터 : 70~90% - 검증데이터 : 10~20% - 테스트데이터 : 10~20% - 학습데이터를 그룹으로 나누어 교차검증을 하는 방법도 추천 2.데이터 전처리 - 데이터의 표준/정규화 - 범주자료 one-hot-encoding - 특성변수의 축약 - 표준화(평균 0 / 표준편차 1) - 범주형 특성변수를 0과 1의 값으로 변환 - 고차원의 경우 PCA 방법등으로 차원 축소 3.모델 적용 - 과제해결에 적합한 머신러닝 알고리즘 적용 - 평가지표를 통한 모델평가 - 예측/분류/비지도 알고리즘에 데이터 탐색 - 학습된 모델에 검증데이터로 평가 - 정확도 및 과소/과..

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 7. 1.
• textsms

메타버스 윤리원칙

메타버스 윤리원칙

• format_list_bulleted 정보처리기술사/토픽자료
• · 2023. 7. 1.
• textsms

① 개인정보 전송요구권(이동권) 도입

① 개인정보 전송요구권(이동권) 도입 □ (필요성) 데이터 경제 활성화로 개인정보가 대량 수집·유통되고 있으나, 정보주체는 본인정보를 자기주도적으로 유통·활용하는데 한계 ○ 금융·공공 등 일부 분야에서 전송요구권(이동권) 근거*를 마련하여 마이데이터 사업을 추진하고 있으나, 분야별 추진방식에 대한 개선 필요 * (신용정보법) 개인신용정보의 전송요구권, (전자정부법) 공공분야 행정정보 제공요구권 □ (개정내용) 국민이 자신의 개인정보를 본인 또는 제3자에게 전송을 요구할 수 있도록 일반적 권리로서 개인정보 전송요구권(이동권) 신설 ※ 전송방법, 전송 요구의 거절 및 전송중단의 방법 등 구체적 사항은 시행령에 위임 구 분 주요내용 정보주체 ▸정보주체인 국민은 일정규모 이상의 개인정보처리자에 대하여 자신의 개..

• format_list_bulleted 카테고리 없음
• · 2023. 6. 30.
• textsms

개인정보보호법 전면 개정(2023.03.14. 공표)

개인정보 보호법 전면개정, 데이터 신경제 시대 열린다 - 「개인정보 보호법」개정안 국무회의 의결, 3월 14일 공포 예정 - □ 개인정보보호위원회(위원장 고학수, 이하 ‘개인정보위’)는 지난달 (2023.2. 27일) 국회를 통과한 「개인정보 보호법」 개정안이 오늘 국무회의에서 의결되었다고 밝혔다. ○ 이번 개정안에는 전 세계적인 디지털 대전환 추세에 부합하도록 ▴데이터 경제 견인, ▴국민 개인정보 신뢰 사회 구현, ▴국제 기준(글로벌 스탠다드)에 부합하는 개인정보 규범 선도 등을 위하여 시급히 필요한 내용들을 담았다. ○ 특히, 2011년 법 제정 이후 처음으로 정부가 학계·법조계·산업계·시민단체 등과 2년여의 협의 과정을 거쳐 다양한 의견을 반영하여 정비한 실질적인 전면 개정(정부안 중심으로 20개 ..

• format_list_bulleted 정보시스템감리
• · 2023. 6. 30.
• textsms

전자정부법

전자정부법 전자정부법 www.law.go.kr 전자정부법시행령 전자정부법시행령 www.law.go.kr

• format_list_bulleted 정보시스템감리
• · 2023. 6. 30.
• textsms

데이터 분석 With Python

1. 데이터 핸들링 1. 판다스 데이터 구조 2. DataFrame기본 3. row/column 선택, 추가, 삭제 4. 조건에 맞는 데이터 탐색 및 수정 5. 데이터 정렬 6. 데이터 결합 7. 데이터 요약 8. 데이터 재구조화 9. 데이터프레임에 함수 적용하기 10.문자열 데이터 변환하기 11.날짜 데이터 핸들링 2. EDA와 시각화 1. EDA의 의미 2. 막대 그래프와 히스토그램 3. 상자그림 4. 산점도 5. 상관관계 시각화 6. Pandas Profiling 3. 데이터 전처리 1. 데이터 전처리의 의미 2. 이상치 확인 및 정제 3. 범주형 변수처리 4. 데이터 분할 5. 데이터 스케일링 6. 차원 축소 7. 데이터 불균형 처리 4. 머신러닝 프로세스 1. 머신러닝의 의미 2. 머신러닝 프로..

• format_list_bulleted 백엔드 프레임워크 & 언어/Pandas & numpy
• · 2023. 6. 30.
• textsms

[다이어트] 잔티젠(Xantigen) 효과

잔티젠이란 잔티젠은 미역 추출물과 석류 추출물에서 유래한 복합 추출물로, 최근에 다이어트 신소재라고 불린다. 잔티젠 성분 미역 등의 갈조류에 소량 함유된 미역 추출물의 주 성분인 후코잔틴과 석류추출물의 주 성분인 푸닉산이 배합되어 만들어진 복합성분입니다. 이와 같은 잔티젠 성분은 내장지방 감소와 기초대사량이 오르는 효과를 보유하고 있어 인기가 있습니다. 잔티젠 효과 슈퍼 잔티젠은 미역 등 복합추출물과 석류씨 오일을 함유한 성분으로 체지방 감량에 효력이 있으며 미역 추출물에는 푸코잔틴이라는 성분을, 석류씨 오일에는 푸닉산이라는 성분을 함유하고 있습니다. 슈퍼 잔티젠 광고 중 잠만 자도 살이 빠진다는 영상을 보신 적 있으실 겁니다. 사실 조금 와전된 말이기는 하지만 일정 부분으로는 맞는 말입니다. 잔티젠은 ..

• format_list_bulleted 건강관리• 다이어트
• · 2023. 6. 30.
• textsms

03.통계기법 이해

1.기술통계 [1] 데이터 요약 [2] 표본추출 [3] 확률 분포 이산확률분포 (베이기음초포) 1. 베르누이 분포 2. 이항분포 3. 기하분포 4. 음이항 분포 5. 초기하 분포 6. 포아송분포 연속확률분포 (표정카티프) 1. 표준정규분포(Z-분포) 2. 정규분포 3. 카이제곱 분포 4. T-분포 5. F-분포 [4] 표본분포 2. 추론통계 [1] 점추정

• format_list_bulleted 빅데이터 & 인공지능
• · 2023. 6. 30.
• textsms

기하 분포(Geometric Distribution)

조금만 기다려 주세요. 로딩중! 출처 : 통계의 본질-EOStatistics https://www.youtube.com/watch?v=NzQRbVP5eow&ab_channel=%ED%86%B5%EA%B3%84%EC%9D%98%EB%B3%B8%EC%A7%88EOStatistics

• format_list_bulleted 정보처리기술사/토픽자료
• · 2023. 6. 30.
• textsms

베르누이 분포(Bernoulli distribution)

조금만 기다려주셔요~~ 로딩중!! 출처 : 유튜브 ; 통계의 본질 EOStatistics https://www.youtube.com/watch?v=OMa9gWltw7k&ab_channel=%ED%86%B5%EA%B3%84%EC%9D%98%EB%B3%B8%EC%A7%88EOStatistics

• format_list_bulleted 정보처리기술사/토픽자료
• · 2023. 6. 30.
• textsms

노코드(no-code)

코딩을 배우지 않았거나, 프로그래밍에 익숙지 않은 사람들도 플랫폼 내의 템플릿을 결합해 스스로 필요한 서비스나 애플리케이션을 구현할 수 있는 노 코드(No code), 로우 코드(Low code) 플랫폼이 개발 시장에서 고속 성장 중입니다. 노 코드(No code)는 말 그대로 코딩 없이 웹 사이트 및 애플리케이션을 개발하는 방식을 뜻합니다. 즉, 코딩을 모르거나, 비 IT 전문가들도 플랫폼 내에서 웹 및 앱 개발이 가능하다는 뜻이다. 반면, 로우 코드는 코딩이 아예 없는 것은 아니지만, 비 IT 전문가들도 쉽게 개발자와 유사한 코딩을 할 수 있도록 최소화, 간소화한 것을 의미함. 개발 인력은 부족한데 수요는 넘치는 등의 여러 상황에서 신속한 개발이 가능하도록 한다. 출처 : https://www.ela..

• format_list_bulleted 정보처리기술사/토픽자료
• · 2023. 6. 30.
• textsms

130회 정보관리기술사-기출문제-4교시

1. 음성데이터 마이닝의 정의, 목적, 주요 기술, 활용 가능 분야, 발전 방향에 대하여 기술하시오. 2. 최근 많은 범죄들이 지능화·고도화 되면서 디지털 포렌식의 중요성이 증가하고 있다. 이러한 디지털 포렌식과 관련하여 아래 사항을 설명하시오. 1) 디지털 포렌식의 개념 2) 디지털 포렌식의 유형과 절차 3) 디지털 포렌식 기술 및 활용분야 3. 최근 다수의 기업들이 클라우드 서비스를 도입하면서 다양한 보안 문제가 대두되고 있다. IT 담당자 입장에서 클라우드 서비스 도입 시 고려해야 할 보안 요소를 설명하시오. 4. IT프로젝트를 성공적으로 수행하기 위해 요구사항의 체계적인 관리와 문서화가 매우 중요하다. 요구사항에 대하여 다음을 설명하시오. 1) 소프트웨어(SW) 요구사항 품질속성 2) 요구사항 도..

• format_list_bulleted 정보처리기술사/기출문제
• · 2023. 6. 30.
• textsms

130회 정보관리기술사-기출문제-3교시

1. 머신 러닝(Machine Learning)에서 활용되는 의사결정나무(Decision Tree) 모델을 설명하시오. 2. 데이터저장 측면에서 파일, 데이터베이스, 블록체인을 비교하시오. 3. TCP(Transmission Control Protocol)는 네트워크에 혼잡(Congestion)이 발생한 경우, 이를 해소하기 위한 다양한 메커니즘을 사용한다. 이와 관련하여 아래 사항들에 대해서 설명하시오. 1) TCP 혼잡제어 메커니즘의 구성요소 2) 혼잡상황 감지 3) 혼잡상황 제어 4) 혼잡 윈도우 크기 4. 최근 인공지능 기술 활용이 증가하면서 다양한 보안 위협이 증가하고 있다. 이와 관련하여 아래 사항들에 대하여 설명하시오. 1) 머신러닝 학습과정에서의 적대적 공격 4가지와 방어기법 2) 생성형 ..

• format_list_bulleted 정보처리기술사/기출문제
• · 2023. 6. 30.
• textsms

130회 정보관리기술사-기출문제-2교시

1. 데이터 마이닝의 기법 중 아래 기법에 대하여 설명하시오. 1) K-means Clustering 2) DBSCAN(Density Based Spatial Clustering of Applications with Noise) 3) SVM(Support Vector Machine) 2. 최근 데이터사이언스와 기계학습이 융합된 DSML(Data Science & Machine Learning) 프로젝트가 확산되고 있다. 성공적인 DSML프로젝트를 수행하기 위해아래 항목을 설명하시오. 1) DSML 프로젝트 수명주기 2) 기계학습 운영화(Machine Learning Operationalizations/Operations : MLops) 3. 네트워크 서브네팅(subnetting)과 관련하여 아래 사항들을..

• format_list_bulleted 정보처리기술사/기출문제
• · 2023. 6. 30.
• textsms

130회 정보관리기술사 기출문제-1교시

1. 노코드(no-code) 2. 데이터베이스 병행 제어 기법 및 필요성 3. 요구사항명세서에 기술되어야 하는 항목 설명 4. 데이터 거버넌스 5. 드론의 보안위협과 대응방안 6. 블록 암호화 알고리즘 7. 6G 이동통신 8. VXLAN(Virtual eXtensible LAN) 9. 머신러닝 최적화 알고리즘(Optimization Algorithm) 유형 및 장단점 10. 정보시스템마스터플랜(ISMP)의 기본 구성 내용(단계별 활동, 세부내용, 산출물) 11. AHP(Analytic Hierarchy Process) 기법 12. 베르누이 분포(Bernoulli distribution)와 기하 분포(Geometric Distribution) 13. ISO 21500 구성 모델 출처 : http://www..

• format_list_bulleted 정보처리기술사/기출문제
• · 2023. 6. 30.
• textsms