본문 바로가기

data scientist66

[주택금융연구소] 빅데이터 분석 방법론과 데이터 과학자 ■ 목차 1. 연구배경 2. 기계학습(Machine Learning)의 이해 1) 개요 2) 지도학습(Supervised Learning) 3) 비지도학습(Unsupervised Learning) 3. 기계학습의 응용 1) 딥러닝(Deep Larning) 2) 텍스트 마이닝(Text Mining) 3) 협업 필터링(Collaborative Filtering) 4. 데이터 과학자(Data Scientist) 1) 정의 및 역할 2) 필요 역량 5. 결론 및 시사점 - 연구배경: 공사 내 빅데이터 분석에 대한 관심 및 이해 향상, 분석 방법론 활용을 위한 다양한 아이디어 수렴을 위해 본 보고서 작성 ** 출처: [주택금융연구소] 빅데이터 분석 방법론과 데이터 과학자 ** 문서: 2017. 9. 7.
[ciokorea] 우리회사는 AI. 머신러닝에 준비돼 있을까? - 10가지 체크리스트 - Martin Heller | CIO [이미지 출처: vectorportal.com] [원본기사: [ciokorea] 우리회사는 AI. 머신러닝에 준비돼 있을까? - 10가지 체크리스트 - Martin Heller | CIO] 1. 충분한 데이터는 확보했는가? - 관련 데이터가 충분한지 여부는 예측 및 기능 식별의 필요 조건 - 더 많은 요소를 고려하고 있을수록 필요한 데이터 양도 많아진다. - 다음 달 "마이애미에서 네이비 색상 반팔 블라우스의 판매 예측"시 과거 수 년 동안 축적되어 온 월별 판매 통계 데이터가 있어야만 월별, 그리고 연간 트렌드를 정확히 파악할 수 있게 된다. 물론 이는 어디까지나 표준적인 시계열 분석일 때의 이야기이고, 머신러닝을 이용하려면 통계 모델보다 더 많은 데이터를, 딥러닝은 그보다 몇 배는 더 많은 데이터를 .. 2017. 9. 1.
[Hugo Gävert] How Will AI Change the Role of the Data Scientist? - 인공지능과 데이터 사이언티스트 관계 설정 How Will AI Change the Role of the Data Scientist? from Hugo Gävert 2017. 2. 24.
[Sun Young Kim] 분석 현장에서 요구되는 데이터과학자의 역량과 자질 분석 현장에서 요구되는 데이터과학자의 역량과 자질 from Sun Young Kim 2016. 7. 29.