하루농원

토픽 이름 Bagging(배깅) 분류 데이터베이스 > Big Data > Bagging(배깅) 키워드(암기) (리드문) 앙상블 > Bagging, Boosting Bagging : 여러 모델의 평균분포, Bootstrap aggregating Boosting : weak classifier의 가중치 부여 암기법 (해당경우) 기출문제 번호 문제 회차 1 4. 빅데이터 분석방법인 Bagging과 Boosting 기법을 비교하여 설명하시오 105_관리_1 2 12. Bagging과 Boosting을 설명하시오. 모의_2018.07_응용_1 I. 분류모델 생성 알고리즘 Bagging과 Boosting Bagging Boosting - 주어진 데이터에서 여러 개의 bootstrap 자료를 생성하고, 각 자료를 모..

토픽 이름랜덤 포리스트(Random Forest)분류데이터베이스 > Big Data > 랜덤 포리스트(Random Forest)키워드(암기)(리드문) 빅데이터 분석기법임의 최적노드, 배깅, 결정 트리, 정규화 랜덤 포레스트, 앙상블, Bagging암기법(해당경우) 기출문제번호문제회차1빅데이터 분석기법인 Random Forest에 대해 설명하시오.110.관리.1210. 랜덤 포레스트(Random Forest)에 대해 설명하시오.합숙_2018.01_공통_Day1 I. 빅데이터 분석기법, Random Forest의 개요가. Random Forest 정의- 여러 개의 결정 트리들을 임의적으로 학습하는 방식의 앙상블 방법으로서, 배깅(bagging)보다 더 많은 임의성을 주어 학습기들을 생성한 후 이를 선형 결합..

토픽 이름 과적합(overfitting)문제 분류 데이터베이스 > Big Data > 과적합(overfitting)문제 키워드(암기) (리드문) 과잉학습으로 인한 폐해 과소적합, 정정적합, 과(잉)적합 암기법 (해당경우) 기출문제 번호 문제 회차 1 14. Overfitting과 Underfitting의 발생원인과 대응방안에 대해 설명하시오. 합숙_2019.01_응용_Day-1 2 5. 기계학습 모델 개발시 필요한 항목에 대해 설명하시오.가. 과소적합(Under Fitting), 과잉적합(Over Fitting)나. 바이어스(Bias)와 분산(Valiance)다. 모델 검증방법 합숙_2018.08_관리_Day-3 3 6. 기계학습(Machine Learning)의 훈련중에 발생하는 Overfitting ..

토픽 이름 빅데이터 아키텍처/기술요소 분류 데이터베이스 > Big Data > 빅데이터 아키텍처/기술요소 키워드(암기) (리드문) 기업의 차세대 생존전략 데이터의 다양화 및 대용량화, 생성주체(컴퓨터, 사람, 관계) / 유형(정형/반정형/비정형) / 저장방식(3V / 기업 / 이산), 5V (Volume, Velocity, Variety, Value, Veracity) / NoSQL, 필연적 분석작업, DW연계, Big Data Appliance, Data Warehouse, 비즈니스 분석 도구, Front End, Middle Tier, Back End, System Mgmt, Text Mining, Opinion Mining, Social N/W Analytics, Cluster Analysis, S..

토픽 이름 빅데이터 시각화 분류 데이터베이스 > Big Data > 빅데이터 시각화 키워드(암기) (리드문) 빅데이터의 Visual 스토리텔링 시각화 방법) 시간(막대 그래프), 분포(트리맵), 관계(히스토그램, 스캐터 플롯), 비교(히트맵), 공간(지도매핑) 암기법 기출문제 번호 문제 회차 1 2. 빅데이터 분석을 위해서는 데이터 공학, 수학, 통계학, 컴퓨터 공학, 시각화, 업종 지식 등 종합한 학문이 필요하다. 다음에 대하여 설명하시오.가. 데이터사이언스의 영역, 요구역량(Soft Skill / Hard Skill)나. 데이터사이언스 발전 방안 119_관리_3 2 빅 데이터(Big Data)의 주요 요소 기술인 수집, 공유, 저장·관리, 처리, 분석 및 지식 시각화에 대하여 설명하시오. 102_컴시..

토픽 이름공공데이터분류공공데이터(Open Data) > 공공데이터키워드(암기)(리드문) 공공정보의 민간개방을 통한 선순환 생태계 조성공공데이터, 데이터 등급 5단계 레벨, CKAN, LOD암기법(해당경우) 기출문제번호문제회차15. 오픈 데이터(Open Data)를 정의하고(특히 오픈의 의미를 구체적으로 설명), 그 데이터의 등급을 5단계로 나누어 설명하시오.113_관리_425. 정부3.0 시대에 발맞춰 각 중앙 부처는 정보 개방의 폭을 확대하고 국민 누구나 쉽게 찾아 이용할 수 있도록 공공데이터를 개방하고 있다. 공공데이터 제공 및 이용에 따르는 기본원칙, 주요 활용사례, 기대효과에 대하여 설명하시오. 101_컴시응_432. 범정부 데이터 플랫폼 개념을 설명하고 공공데이터를 시각화한 국가데이터맵에 서비스..

RFP(Request For Proposal) 원하는 서비스를 얻기 위한 제안요청서, RFP의 개요 가. RFP(Request For Proposal)의 정의 - 발주자가 정보시스템을 구축하기 위해 필요한 요구사항을 체계적으로 정리하여 공식적으로 제안을 요청하는 문서 (사업개요/제안 프로젝트 일정/정보 요구내역/기술적 환경 정의/제안서 관련 요구사항) 나. RFP의 목적 공급업체의 제안서 평가를 통해 고객이 원하는 서비스를 얻기 위한 목적. 사업에 대한 요구사항을 명확히 정의함으로써 사업범위와 목적을 확인함 공급자에게 요구사항이 잘 전달되도록 충분한 지침, 방향, 정보를 주기 위함→기술적인 부분에 오류나 혼동이 있을 경우, 사업자 선정과정 이외에도 사업기간 전체에 걸쳐 심각한 결과를 초래 제안서의 평가,..

I. 기계학습 알고리즘의 집합, 딥러닝(Deep Learning)의 개요가. 딥러닝(Deep Learning)의 정의- 사람의 개입이 필요한 기존의 지도학습(supervised learning)에 보다 능동적인 비지도학습(unsupervised)이 결합되어 컴퓨터가 마치 사람처럼 스스로 학습할 수 있는 인공지능 기술- 인공신경망(ANN,Artificial Neural Networks)에 기반한 일련의 기계학습의 집합체로 컴퓨터에게 사람의 사고방식을 가르치는 알고리즘나. 딥러닝의 등장 배경등장배경설명Big Data대량으로 쏟아져 나오는 데이터들, 수집하기 위한 노력 특히 SNS 사용자들에 의해 생산되는 다량의 자료와 태그정보들 모두가 종합되고 분석 되어 학습에 이용하드웨어 및 IT 기술의 발전GPU(gra..

전사적 자원 관리 시스템의 개요 가. ERP(Enterprise Resource Planning)의 정의 1) 구매, 판매, 생산, 설비, 인사 등 기업의 각종 경영자원과 정보자원을 하나의 체계로 통합, 재구축함으로써 생산성과 기업의 경쟁력을 극대화시키는 전사적 자원관리시스템 2) 정보기술을 활용, 주문에서 제품출하까지의 일련의 공급사슬(Supply Chain)과 관리회계, 재무회계, 인사관리를 포함 한 기업의 기본업무를 지원하는 통합정보시스템 (미국생산관리협회(APICS)) 나. ERP 특징 1) 공급자가 제공하는 패키지중 자신의 기업환경에 맞는 모듈(Module)들만 부분적으로 선택, 구축 가능 2) 통합 시스템 : 기업 활동 전부분에 걸쳐있는 자원을 하나의 체계로 관리 3) 비즈니스 프로세스 모델 ..

농업과 IT 산업의 융합을 통한 스마트 농업 분야의 발전을 이뤄내고 궁극적으로 농업 생산량을 향상 농업 분야에 인터넷 기술을 접목시켜 농산물 생산, 관리 등 영역에서 발전 농업 분야에의 사물인터넷, RS(Remote Sensing), GPS(Global Position System), GIS(Geographic Information System) 기술 응용 전 정부기관 인력 또는 교수진으로 이루어진 형식에 닫혀있는 공간이 아니라 실제 현장에 필요한 스마트농업 단체 설립 필요. 농업 종사 인구가 감소하는 상황에서 농업 생산량의 안정을 유지하기 위해서는 인터넷 기술이 접목돼야 함. 스마트 농업 클라우드 플랫폼 구축 필요. 농축산물의 생산 계획 및 실적을 실시간 모니터링 할 수 있는 시스템 필요. 관개·비료 ..