에코프로.AI

1. 척도 원활한 데이터 분석을 하기 위해서는 데이터를 통계적 분석이 가능하도록 객관적 척도로 변환하는 작업이 우선되어야 합니다. 척도는 측정하고자 하는 대상을 수치화하는 것에 사용되는 일종의 측정 도구입니다. 자료구분 척도구분 등호연산 (=, !=) 비교연산 (, =, !=) 가감연산 (+, -) 승제연산 (×, ÷) 질적자료 (범주형) 명도척도 범주 서열/순서척도 범주 순서 양적자료 (연속형) 등간/구간 척도 범주 순서 상대적 크기 비율 척도 범주 순서 상대적 크기 절대적 크기 명목척도 (Nominal Scale) 정의 : 관측대상의 범주를 오로지 구분하기 위해 기호나 숫자를 부여하는 척도입니다. - 양적인 의미가 없으며, 상대적인 비교가 어렵다. . 남 : 0, 여자 : 1 이라고 가정했을때, 여자..

귀무가설, 대립가설? 귀무가설 (Null Hypothesis) 귀무가설은 일반적으로 연구자가 주장하는 가설이 아닌, 반대의 가설입니다. 연구 결과에 대해 아무런 차이가 없다는 가정을 나타냅니다. 흔히 "H0"로 표기되며, 기존에 받아들여진 상태를 설명합니다. 대립가설 (Alternative Hypothesis) 대립가설은 연구자가 주장하는 가설입니다. 연구 결과에 대해 특정한 차이가 있다는 가정을 제시합니다. 흔히 "H1"이나 "Ha"로 표기되며, 연구자의 관심사를 반영합니다. 예를 들어, 어떤 연구에서 두 그룹 간의 평균 차이를 검정한다고 가정해보겠습니다. 이때, 귀무가설(H0): 두 그룹의 평균은 같다. 대립가설(H1): 두 그룹의 평균은 다르다. 통계적 가설검정을 통해 귀무가설을 기각하고 대립가설을..

kaggle(캐글) 소개 캐글은 데이터 과학 및 머신러닝 경진대회를 주최하는 온라인 커뮤니티입니다. 전 세계 데이터 과학자를 위한 놀이터라고 생각하면 됩니다. 캐글에는 방대한 데이터, 유능한 데이터 과학자, 훌륭한 코드, 좋은 문화가 있어 데이터 과학 역량을 쌓는 데 최적의 플랫폼입니다. 캐글은 2010년 설립되어 2017년 구글에 인수되었습니다. 구글이 인수할 만큼 영향력 있는 플랫폼입니다. 가입자 수는 2017년 6월에 100만 명이었는데, 바로 다음 해인 2018년 8월에 200만 명으로 2배가 되었습니다. 2022년 3월에는 900만 명을 넘어서는 등 지금도 빠르게 커가고 있습니다. 왜 kaggle(캐글) 해야 하는가? 데이터 과학 및 머신러닝 역량 강화 캐글은 데이터 과학과 머신러닝 역량을 키우..

1. Generative AI (생성 AI) 란? Generative AI는 기계 학습의 한 분야로, 학습한 데이터를 기반으로 새로운 데이터(이미지, 텍스트, 음악 등)를 생성하도록 합니다. 예를 들어, 이미지 생성, 텍스트 작성, 음악 작곡 등이 이에 해당합니다. 이러한 AI는 기존 데이터로부터 학습하여 새로운, 오리지널 콘텐츠를 만들어냅니다. Generative AI, 생성 AI 는 인간이 손으로 만드는 것보다 더 빠르고 저렴할 뿐만 아니라 경우에 따라서는 더 나은 결과를 만들어낼 수 있는 단계에 와 있습니다. 소셜 미디어에서 게임, 광고, 건축, 코딩, 그래픽 디자인, 제품 디자인, 법률, 마케팅, 영업에 이르기까지 인간이 독창적인 작업을 만들어야 하는 모든 산업이 재창조될 수 있습니다. 어떤 업무..

머신러닝(ML)에 수학이 필요한 이유 수학을 몰라도 파이썬을 이용해서, 머신러닝 모델을 생성할 수는 있지만, 모델 알고리즘을 최적화하고,결과를 해석할려면아래와 같은 관련 수학지식이 필요합니다. 이해와 설계 : 머신러닝 알고리즘은 수학적 개념을 기반으로 합니다. 이를 이해하고 효율적으로 설계하기 위해서는 기본적인 수학 지식이 필요합니다. 최적화 : 머신러닝 모델을 훈련시키는 과정은 주어진 데이터에 대해 최적의 패턴을 찾는 것을 포함합니다. 이 과정은 수학적 최적화 기법을 사용합니다. 데이터 이해 : 데이터의 구조와 패턴을 파악하고 모델링하기 위해 통계학적 방법이 필요합니다. 결과 해석 : 모델의 결과를 해석하고 유효성을 검증하기 위해 통계적 지식이 필요합니다. 머신러닝(ML)에 필요한 수학 선형대수학 : ..