1. 소개1) 자연어 처리(NLP)의 개념 소개◾ 자연어 처리는 컴퓨터가 인간의 언어를 이해하고 처리하는 기술◾ 텍스트 데이터를 분석하고 해석하여 의미 있는 정보를 추출하는 분야2) NLP의 중요성 및 실생활에서의 활용◾ NLP는 컴퓨터가 인간의 언어를 이해함으로써 기계번역, 챗봇, 텍스트 마이닝, 감정 분석 등 다양하 분야에서 활용ㅊ 일상생활에서도 음성 비서, 자동 번역 등으로 경험할 수 있음.2. 자연어 처리의 기본 개념1) 자연어 처리의 정의와 목적◾ 자연어 처리(NLP)는 인간이 사용하는 언어를 컴퓨터가 이해하고 처리할 수 있도록 하는 기술◾ 텍스트 데이터를 분석하고 의미를 추출하여 유용한 정보를 도출하는 과정을 포함◾ 자연어 처리의 목적은 컴퓨터가 인간의 언어를 이해하고 그에 대응하는 작업을 수..
분류 전체보기
1. 소개1) 군집화의 개념 ◾ 군집화는 비슷한 특성을 가진 데이터를 그룹으로 묶는 데이터 마이닝 기술 중 하나◾ 데이터 내의 패턴을 식별하고 유사성을 기반으로 한 그룹을 형성하는 방법◾ 광범위한 응용 분야에서 사용2) 군집화의 중요성◾ 군집화는 고객 세그멘테이션(Seg. 분류), 이미지 세분화, 추천 시스템, 이상 탐지 등 다양한 분야에서 활용◾ 이를 통해 데이터를 효과적으로 이해하고 의사 결정에 활용할 수 있음.2. 군집화의 기본 개념1) 군집화의 정의와 목적◾ 군집화는 비슷한 특성을 가진 데이터를 동일한 그룹으로 묶는 것◾데이터 간의 유사성을 기반으로 한 패턴을 찾아내는 통계적 기법2) 군집화와 분류의 차이◾ 군집화는 레이블이 없는 데이터를 비슷한 특성을 가진 그룹으로 구분◾ 분류는 이미 레이블이 ..
1. 소개1) 회귀 분석의 개념 ▪ 회귀 분석은 변수 간의 관계를 모델링하여, 종속 변수를 예측하는 통계적 방법이다. ▪ 데이터 간의 패턴을 파악하여 미래 값을 예측하는데 사용한다.2) 회귀 분석의 중요성 및 실생활에서의 활용 예시 ▪ 회귀 분석은 경제학, 금융, 마케팅, 공학 등 다양한 분야에 활용한다.ex) 주택 가격 예측, 매출 예측, 성적 예측 등 다양한 실제 문제에 대한 해결에 기여한다.2. 회귀 분석의 기본 개념1) 회귀 분석의 정의와 목적▪ 회귀 분석은 종속 변수와 독립 변수 간의 관계를 모델링하여, 독립 변수 값이 주어졌을 때 종속 변수 값을 예측하는 통계적 기법이다.2) 종속 변수와 독립 변수의 개념 설명▪종속 변수: 예측하려는 변수▪독립 변수: 예측에 사용되는 변수, 회귀 분석은 독립변..
1. 소개1) 분류모델의 개념 소개∎ 분류모델데이터를 여러 카테고리 또는 클래스로 분류하는 데 사용되는 알고리즘, 주어진 데이터의 패턴을 학습하여 새로운 데이터를 정확하게 분류하는데 활용2) 분류모델이 중요한 이유현실 세계에서 다양한 분야에서 활용▪ 예측, 판별, 인식 등의 작업을 수행하여 의사 결정에 도움 ▪ 비즈니스, 의료, 금융 등에서 데이터 기반의 전략을 수립하는데 중요한 역할2. 분류모델의 기본 개념1) 분류의 정의와 목적∎ 분류입력 데이터를 사전 정의된 클래스 또는 레이블로 할당하는 작업을 의미 ∎ 분류의 목적새로운 데이터에 대해 정확한 레이블을 예측하여 판별 또는 분류하는 것2) 예측과 분류의 차이 ∎ 예측연속적인 값을 예측 하는 작업 ∎ 분류 데이터를 범주에 할당 하는 작업, 분류는 미..
1. 딥러닝의 개념정의1) 딥러닝이란?딥러닝은 기계 학습의 한 분야이며, 인공 신경망을 여러 층으로 쌓아 올려 학습하는 방식- 인공 신경망을 사용하여 데이터로부터 특징을 학습하고 패턴을 파악하여 문제를 해결- 데이터로부터 자동으로 학습, 특히 대량의 데이터에 대한 연산 피룡- 대개 이미지, 음성, 텍스트 등의 비정형 데이터를 처리하고 해석하는 데 강점- 컴퓨터 비전, 음성 인식, 자연어 처리 등의 분야에서 혁신적인 성과가 나타나고 있음. [학습수준]∎ 머신러닝- 데이터에서 패턴을 학습하여 예측이나 의사 결정을 내리는데 중점- 전통적인 머신러닝 알고리즘에는 의사결정나무, 서포트 벡터 머신, 랜덤 포레스트 등 ∎ 딥러닝- 머신러닝의 한 범주로, 다양한 층에서 구성된 신경망을 사용하여 복잡한 표현을 학습-..
1. 기계 학습이란?1) 정의데이터를 기반으로 학습하여 새로운 패턴을 인식하거나, 예측하는 기술데이터의 패턴을 식별하여 모델을 학습하고, 새로운 데이터에 대한 예측을 수행2) 학습 방법▪ 지도 학습(Supervised Learning): 정답이 알려진 데이터를 통해 학습 ▪ 비지도 학습(Unsupervised Learning): 정답이 알려지지 않은 데이터를 통해 학습 ▪ 강화 학습(Reinforcement Learning): 보상과 처벌을 통해 학습3) 데이터주로 머신러닝을 위해 모델에 학습하기 위한 데이터2. 지도 학습1) 정의지도 학습은 정답이 있는 데이터를 사용하여 학습하는 방법이며, 알고리즘은 데이터의 정답을 사용하여 모델을 학습하고 새로운 데이터에 대한 예측을 할 수 있도록 한다.2) 예시▪ ..
1. 인공지능의 개념1) 인공지능의 정의인공지능(AI: Artificia Intelligence)은 인간의 지능을 모방하는 컴퓨터 시스템을 연구하는 분야 ▪ 기계학습(Machine Learning)은 AI의 한 분야컴퓨터가 데이터로부터 학습하여 패턴을 찾고, 새로운 데이터에 대한 예측이나 의사결정을 내리는 기술2) 인공지능의 역사▪ 인공지능의 기원인공지능의 기원은 1940년대 미국, 1943년 존 맥카시와 클로드 섀넌은 튜링 기계라는 개념을 발표하여 인공지능의 토대를 마련.1956년 다트머스 대학에서 개최된 다트머스 회의는 인공지능의 출발점으로 평가 ▪ 인공지능 역사의 3단계- 1단계(1956년 ~ 1970년대): 기초 연구 단계- 2단계(1970년 ~ 1980년대): 실용화 단계- 3단계(1980년대 ..
■ 위상 정렬- 순서가 정해져 있는 일련의 작업을 차례대로 수행해야 할 때 사용할 수 있는 알고리즘.- 방향 그래프의 모든 노드를 '방향성에 거스르지 않도록 순서대로 나열하는 것'- "위상"은 노드들 간의 상대적인 순서나 위치를 의미한다.■ 위상 정렬 예'선수과목을 고려한 학습 순서 설정'case) 컴퓨터공학과 커리큘럼'자료구조'과목을 수강한 뒤에 '알고리즘' 강의를 수강하는 것을 권장한다.'알고리즘'과목을 수강한 뒤에 '고급 알고리즘' 강의를 수강하는 것을 권장한다.'고급 알고리즘'의 선수 과목은 '자료구조'와 알고리즘'이다. 라고 할 경우,모든 과목을 수강하기 위해서는 '자료구조 → 알고리즘 → 고급 알고리즘' 순서로 강의를 수강해야 한다.■ 위상 정렬의 진입 차수진입차수: 특정한 노드로 '들어오는'..
[step1] , 태그를 , 태그로 바꾸기 AutoComplete.vue {{item.animalName}} 비교를 위한 기존코드는 아래와 같습니다. ComboBox.vue 선택해주세요 {{item.animalName}} input 창에 blur이벤트와 focus 이벤트로 select 박스의 옵션들이 나오는 것처럼 li태그들이 나오게 만들어주면 됩니다. li태그를 선택하면 animal data의 값이 설정될 수 있도록 이벤트를 만들어줍니다. AutoComplete.vue 여기에 콤보박스처럼 보이도록 CSS를 입혀줍니다. AutoComplete.vue (autocmplete css) #content{ display: grid; grid-template-columns: 100px 200px; } .title..
개요 태그로 구현된 콤보박스의 옵션이 점점 많아지게 되면서 원하는 정보를 찾기 불편하다는 요청을 받게 되었습니다. 이를 개선하기 위한 방안으로 콤보박스에 검색 기능을 추가하게 되었고, 구글링을 하던 중 AutoCompletes라는 Vuetify의 컴포넌트를 알게 되었습니다. https://vuetifyjs.com/en/components/autocompletes/#usage Autocomplete component — Vuetify The autocomplete component provides type-ahead autocomplete functionality and provides a list of available options. vuetifyjs.com 해당 기능을 참고하여 개선을 완료하였고 잊기..