반응형 ● 인공지능, 분석/20.11 NIPA_경영3 [경영선택] 비즈니스를 위한 핵심 AI/Data Science 개념. 데이터 과학자는 누구인가? 데이터 과학은 컴퓨터를 활용해서 데이터를 분석하고 현실 문제들을 해결하는 것 2012년 하버드 비즈니스 리뷰에서 소개된 데이터 과학자. 데이터 과학자에게 필요한 역량은? HBR에서 소개된 역량은 컴퓨터 활용 + 컴퓨터 분석 + 현실 문제 도메인 전문성의 중요성 - 비즈니스에 대한 이해를 의미 - 실무자들이 현업에서 발생한 문제를 가설로 설정하고 이 문제를 검증하는 것 - 문제 가설 아이디어 만약 도메인 전문성이 없이 프로그래밍 + 수학지식만 있다면 무엇이 문제이고 원인을 알기 어렵기에 현실의 문제를 해결하기 어려움 머신러닝 프로세스 2020. 12. 8. [경영선택] 비즈니스를 위한 핵심 AI/Data Science 개념 살펴보기. 요약정리 데이터과학이란?컴퓨터를 이용해서 데이터를 분석하고 현실의 문제를 해결하는 작업 머신러닝이란?문제를 해결하기 위해 컴퓨터가 스스로 학습할 수 있도록 프로그래밍하고 스스로 학습된 결과를 통해서 규칙과 패턴을 만들어가고 찾아가는 것 타이타닉 실습을 통해서 배운 것10개의 평가 대상을 가지고 30개의 데이터에서 규칙, 패턴을 찾았음(많은 규칙이든 적은 규칙이든 점수를 높게 받는 것이 중요하다)평가 대상과 데이터가 적었기 때문에 직접 보면서 규칙, 패턴을 찾을 수 있었지만 만약 평가의 대상이 1000개이며, 3000개의 데이터를 통해 규칙, 패턴을 찾게 된다면?훨씬 더 많은 리소스가 필요해짐 머신러닝을 이용하면 패턴.규칙을 쉽게 찾을 수 있음새로운 데이터를 적용하기도 쉬움 2020. 12. 8. [경영선택] 비즈니스를 위한 핵심 AI/Data Science 개념 살펴보기머신러닝과 다른 접근방법의 차이. 머신러닝과 데이터 과학 이해하기 빅데이터분석 - 그로스해킹 - 마케팅분야 - 상관관계를 찾는 분석 방법 correlation - 큰데이터를 통해 현상을 발견하여 A하면 B일 것이다. - 의사결정시 사용함 통계분석 - 목표 : 실제 세계를 이해, 해석하는데 중점을 둠 - 현실을 통계치, 수치로 모형으로 만들어 이해,해석한다. - 기술 기법 중 머신러닝과 유사한 것이 있음 - 주로 적은 데이터를 가지고 진행함 인공지능분석 - 예측과 패턴을 분석하는 것 - 얼마나 예측을 잘하는지 - 알고싶은 패턴을 잘 만드는지가 중요함 - 모형의 성능, 정확도가 중요 - 많은 데이터가 있다는 가정하에 많은 데이터로 학습하여 모형을 만들고 이 모형의 정확도, 성능을 중시함 2020. 12. 8. 이전 1 다음 반응형
