본문 바로가기

데이터 과학9

[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.
[Dr. Abdul Ahad Abro] Data Science & Predictive Analytics 데이터 과학과 예측분석 Data Science & Predictive Analytics from Dr. Abdul Ahad Abro 2017. 4. 24.
[Continuum Analytics] Easy Data Science Deployment with the Anaconda Platform - 아나콘다 구조 Easy Data Science Deployment with the Anaconda Platform from Continuum Analytics 2017. 3. 27.
[Domino Data Lab] Correctness in Data Science - 데이터 과학의 정확도 향상 Correctness in Data Science - Data Science Pop-up Seattle from Domino Data Lab 2015. 12. 30.