Development/Big Data, R, ...(885)
-
AI Hub
AI Hub · AI 기술 및 제품/서비스 개발에 필수적인 AI 데이터, AI SW/알고리즘, 컴퓨팅 자원 등의 AI 인프라를 통합 제공하는 플랫폼입니다. · 언어처리, 음성인식, 이미지 인식, 동영상 인식, 대화처리 기술에 대한 오픈 API를 제공합니다. http://aihub.or.kr/ http://aihub.or.kr/ai_software/374
-
퍼셉트론 예제 - 치즈에 대한 맛 검정
퍼셉트론 예제 - 치즈에 대한 맛 검정 치즈는 안에 포함된 지방양과 염분에 따라 맛과 종류가 달라집니다. 치즈의 지방과 염분 데이터를 통해 치즈 맛에 대한 검정을 퍼셉트론을 통해 수행합니다. No Fat Salt Acceptance 1 0.2 0.9 Like(1) 2 0.1 0.1 Dislike(-1) 3 0.2 0.4 Dislike(-1) 4 0.2 0.5 Dislike(-1) 5 0.4 0.5 Like(1) 6 0.3 0.8 Like(1) Step by Step · 1번째 데이터 - 학습(결합함수 수행) · 1번째 데이터 - 활성화 함수 실행 · 1번째 데이터 - 오차를 통한 가중치 계산 · 오차를 통한 가중치 업데이트 · 모든 데이터에 대해 수행 · 최적화 학습 1번째 데이터 - 학습(결합함수 수행..
-
나이브 베이즈 예시
나이브 베이즈 예시· E-mail 에서 스팸메일과 정상메일의 구분· 매개 변수 x, y에 대한 그룹 지정 E-mail 에서 스팸메일과 정상메일의 구분 '광고'라는 글자가 들어간 메일은 스팸 메일에 많이 속해 있습니다. '광고'라는 글자는 있으나 스팸 메일이 아님 3% '광고'라는 글자가 있고, 스팸 메일 임 27% 새로운 메일에 '광고'가 포함된다면 스팸 메일일 가능성이 높을 것이라고 예측할 수 있습니다. 매개 변수 x, y에 대한 그룹 지정매개 변수 x, y가 있을 때 그룹별 확률입니다. 확률 값 예측 값 P1(x,y) > P2(x,y) 그룹 A P1(x,y) < P2(x,y) 그룹 B
-
1.Summary - 1.텍스트 데이터 변환하기
R Code 예제
-
정보 시각화 방법
정보 시각화 방법 정보를 시각화하는 방법은 시각화의 목적과 의도, 데이터 유형에 따라 크게 시간 시각화,분포 시각화, 관계 시각화, 비교 시각화, 공간 시각화로 구분할 수 있습니다. 분류 기준은 네이션 야우(Nathan Yau)가 「비주얼라이즈 디스(Visualize This)」에서 소개한 시각화 방법들을 인용한 것이며, 시각화 방법 분류 기준으로 많이 활용됩니다. 시각화 목적에 따라 데이터가 담고 있는 정보와 의미를 전달하기에 효과적인 차트와 그래프는 매우 다양하며, 비즈니스 요구에 맞는 새로운 방식의 차트와 그래프들이 개발되고 있습니다. 어떤 차트는 다수의 특징을 가지고 있어 하나 이상의 분류 방법에 속할 수 있어 차트를 시각화하는 방법으로 분류하는 유일한 기준은 아니라는 것을 유념하시기 바랍니다. ..
-
2.Summary - 2.데이터 변환 적재하기
데이터 유형빅데이터는 유형에 따라 정형, 비정형, 반정형의 데이터를 가지고 있습니다.