데이터 공부하는 뉴욕킴

예측값과 실제값 : MSE · RMSE · MAE · R2 1. MSE (Mean Squared Error) MSE는 실제값에서 예측값을 뺀 값의 제곱의 평균입니다. 이는 모델의 예측값과 실제값 차이의 면적의 제곱합을 의미하며, 제곱을 하기 때문에 특이치 (Outlier)에 민감합니다. 2. RMSE (Root Mean Squared Error) RMSE는 MSE값에 루트를 씌운 값입니다. 이 지표는 예측변수와 단위가 같으며, 예를 들어 기온을 예측하는 모델의 RMSE가 5라면 이 모델은 평균적으로 5 정도를 잘못 예측하는 것이라 볼 수 있습니다 → 해석력이 좋은 장점 있음 3. MAE (Mean Absolute Error) MAE는 모델의 예측값과 실제값의 차이의 절대값의 평균입니다. 이는 실제 값과 ..

Artificial Neural Networks(ANN): 인공 신경망 Components (인공신경망 구성요소) 1. 노드/유닛 (Node/Unit): 각 층(Layer)을 구성하는 요소 2. 층(Layer) - 입력층(Inpur Layer): 데이터를 받아들이는 층 - 은닉층(Hidden Layer): 데이터를 한 번 이상 처리한 노드로 구성된 층 - 출력층(Output Layer): 최종 은닉층 또는 입력층에 가중치를 곱하고, 출력함수의 결과를 얻은 노드로 구성된 층 3. 가중치(Weight): 노드와 노드간의 연결강도를 나타내미 4. 합(Summation): 가중치와 노드의 곱을 합하는 것 5. 활성함수(Activation Function): 합을 처리해주는 함수로 은닉층 노드의 결과를 얻을 경우..

Style Transfer - Blends two images to create a new image that maintains the original content but with the style of the other. 두 이미지를 혼합하여 원본 내용을 유지하면서 다른 이미지의 스타일을 유지하는 새로운 이미지를 만듭니다. •Content: Refers to the basic structure and main elements of an image, such as the shapes and positions of objects within a scene (i.e., subject matter of the image). • Style: Encompasses the visual aesthetics or t..

머신러닝이란? → 데이터를 기반으로, 패턴을 인식하여 컴퓨터를 이용해 계산을 함 - 머신러닝은 항상 데이터를 기반으로 함 - 여러규칙을 단순조합하는 고전적인 인공지능 시스템이나 원하는 결과값이 출력되도록 내부 처리 동작을 사용자가 완전히 정의해야 하는 일반적인 컴퓨터 알고리즘과 차이가 있음 - 머신러닝은 알고리즘에 의해서가 아닌 데이터 학습을 통해 실행동작이 정해짐 - 대용량의 데이터 필요 1) 패턴인식: 데이터의 패턴을 유추 2) 컴퓨터를 이용한 계산 - 데이터를 처리하고 패턴을 학습하고 계산하는 데 컴퓨터를 사용 → 계산 자체도 중요한 연구분야 - 응용수학이나 통계학과 달리, 머신러닝은 단순히 수학적인 모델의 구축이나 증명에만 그치는 것이 아니라 실제 데이터에 대해 계산해서 결과를 만들어낸다는 점에서..

41. 다음 중 디자인의 기본 원리에 대한 설명으로 가장 적절하지 않은 것은? ① 균형 : 디자인 요소들 간의 크기와 비율을 나타내고 요소들이 차지하는 실제 크기를 의미한다. ② 명도 : 색상이 얼마나 밝거나 어두운지를 결정한다. ③ 비례 : 디자인 요소들 간의 상대적인 크기와 배치의 조 합을 의미한다. ④ 채도 : 채도가 0%이면 가장 탁한 색이고, 100%이면 순수한 색이다 정답: 1번 ① 균형: 디자인 요소들 간의 크기와 비율을 나타내고 요소들이 차지하는 실제 크기를 의미한다입니다. 균형(Balance)은 디자인 요소들 간의 시각적인 무게감을 동등하게 구성하는 것을 의미하며, 크기와 비율을 나타내는 것이 아니라, 디자인 내에서 요소들이 어떻게 조화롭게 배치되어 시각적 안정감을 제공하는지에 관한 원리..

데이터 해석 및 활용 21. 데이터(data)와 정보(information)에 대한 설명으로 가장 적절한 것은? ① 데이터는 적절한 의사결정의 수단이 될 수 있다. ② 정보란 현실 세계에 존재하는 가공되지 않은 그대로의 값을 의미한다. ③ 정보란 데이터를 처리해서 얻을 수 있는 결과이다. ④ 데이터와 정보는 같은 개념이다. 정답: 3번 [더보기] ① 데이터(Data) ● 현실 세계에서 단순히 관찰하거나 측정하여 수집한 사실이나 값, 가공되지 않은 그대로의 값 ● 의미가 부여되지 않은 객관적 사실 ● 가공하기 전 순수한 수치나 기호 자체 ● 예시 : 회원의 가입내역, 대리점의 매출내역, 회원의 시스템 로그인 시간 등 ② 정보(Information) ● 의사결정에 유용하게 활용할 수 있도록 데이터를 처리한 ..

Model Selection ▪ Selection of model parameter (capacity) → 모델의 크기를 말함(얼마나 복잡한 것을 썼나) ▪ If we assume a p-order polynomial regressor To Avoid Overfitting → 오버피팅을 피할 수 있는 최적의 학습곡선 (Learning Curve) 찾기 k-fold Cross-Validation 1. Partition data into k-folds 1) Training and testing • k models with different folds • Each fold becomes training data for k-1 times • Each fold becomes test data for 1 time ..

Human Pose Estimation사람의 관절이나 중요 신체부위를 keypoint로 지정하여 사람의 자세를 예측하는 기술입니다. 해외에서 활발하게 연구되고 있는 Human Pose Estimation은 국내에서는 아직 생소한 기술입니다사용처: AR/VR, Healthcare, Autonomous driving, Surveillance, Sports  By number of subjects(사람에 수에 따라 나눔)1) Single-person pose estimation / 1명• Regression to spatial coordinates • Heatmap representation for joint location prediction → 히트맵을 만들어 확률을 구함 ex. 오른쪽 팔꿈치 일 확률이 ..

Semantic Segmentation : 똑같은 사물들을 각각 나눠서 분류하지 않고, 하나의 묶음으로 봄(FCN) → 이미지에 있는 모든 픽셀에 대한 예측 Instance Segmentation : 각각의 사물들을 분류 (U-NET) → 같은 Class라도 서로 다른 물체로 구분 Instance Segmentation 이미지 내의 각 개별 객체를 감지, 분할, 분류하는 컴퓨터 비전의 한 작업입니다. 이 과정에서, 이미지 내의 모든 객체를 식별하고, 각 객체를 개별적으로 분할하여 어떤 클래스(범주)에 속하는지 분류합니다. 인스턴스 분할은 단순히 객체를 감지하는 것을 넘어서, 각 객체의 정확한 형상과 경계를 파악하고, 서로 겹치는 객체들도 구분합니다. 1. Object Detection: 먼저 객체를 감지..

1. 기업 경영에 직간접적으로 영향을 미치는 주체로서 종업 원, 고객, 지역사회 등을 포괄하는 용어로 가장 적절한 것은? ① 주주(shareholder) ② 대리인(agent) ③ 의사결정자(decision maker) ④ 이해관계자(stakeholder) 정답: 4번 이 문제에서 가장 적절한 답은 ④ 이해관계자(stakeholder)입니다. 이해관계자(stakeholder)란 기업의 활동에 영향을 받거나 기업에 영향을 미치는 모든 개인이나 집단을 의미합니다. 문제에서 제시한 종업원, 고객, 지역사회 등이 이에 해당합니다. ① 주주(shareholder)는 기업에 투자한 사람으로 기업의 소유권을 가지고 있습니다. ② 대리인(agent)은 주주를 대신하여 기업을 운영하는 경영진이나 관리자를 말합니다. ③ ..