1. 프로젝트 통제와 EVM(Earned Value Management) 가. 프로젝트 통제 프로젝트가 계획대로 수행되고 있는지 지속적으로 확인하고 필요하다면 시정 조치를 취한다. 나. EVM의 개념 ‘성과 가치 관리’ 혹은 ‘획득 가치 관리’라고 한다. 프로젝트 성과와 진행 상황을 객관적으로 측정하는 프로젝트 관리 기법이다. EVM은… 계획 대비 실적을 비교할 수 있다. 프로젝트 진행 단계 중 특정 시점까지 완료된 작업량을 비용화하여 계획된 비용과 비교 평가. 프로젝트가 계획대로 진행되고 있는가에 대한 성과 측정을 가능하게 함. 비용과 시간을 모두 화폐 단위로 통합하여 정량화한다. 프로젝트의 일정, 비용, 작업 완료 상태를 금액으로 환산하여 관리. EV(Earned Value) 개념을 기본으로 프로젝트..

1. CNN 활용 개요 CNN은 주로 컴퓨터 비전에 많이 활용된다. 컴퓨터 비전의 주요 tasks Classification Semantic Segmentation Classification + Localization Object Detection Instance Segmentation 가. 이미지 분류 (Classification) CNN의 가장 기본적인 활용 분야로 지정된 개수의 카테고리로 이미지를 분류한다. 대표적인 학습 데이터로 MNIST와 ImageNet이 있다. MNIST 0~9까지의 손글씨 이미지를 분류한 공개 학습 데이터. 미국의 우편번호 손글씨를 스캔해서 만들었다. 28*28 1채널 (회색) 이미지로 각 픽셀은 0~255의 값을 가진다. 훈련용 이미지 60000장에 검증용 이미지 1000..

1. 연관규칙 2 가. 실습 1 library(arules) library(arulesViz) food

1. 연관규칙 대량의 데이터에서 빈번하게 발생하는 데이터의 패턴을 찾는 것. 맥주를 사는 사람은 마른안주도 함께 구매한다. 장바구니 분석이라고도 함. 지지도(support) : 특정 아이템이 데이터에서 발생하는 빈도 : A와 B를 동시에 포함하는 거래수 / 전체 거래수 신뢰도(confidence) : 두 아이템의 연관규칙이 유용한 규칙일 가능성의 척도 (높을수록 좋다) : A와 B를 동시에 포함하는 거래수 / A를 포함하는 거래수 향상도(lift) : 두 아이템의 연관규칙이 우연인지 아닌지를 나타내는 척도 (1을 기준으로 크거나 작아야 의미 있는 규칙이다) : A와 B를 동시에 포함하는 거래수 / A포함거래수 * B포함거래수 출처 : https://welcome-to-dewy-world.tistory.c..

1. 딥러닝 개요 가. 딥러닝의 등장과 확산 1) 딥러닝의 등장 다층 신경망은 계층의 개수가 커지면서 신경망의 학습이 제대로 이뤄지지 않는 문제가 있다. 기울기 소실과 기울기 폭증과 관련된 문제다. 심층 신경망 (deep neural network : deep learning)은 이러한 문제를 해결하면서 등장했다. 2006년 힌튼 (Hinton) 교수가 심층신경망의 학습 가능성을 제시했다. 이는 적층 RBM(Stack Restricted Bolzmann Manchin) 기반 가중치 학습, 심층신경망인 DBN, 사전학습(pretrain) 후 상세 조정(wake-sleep 알고리즘)과 같은 기술을 사용했다. 2) 딥러닝의 확산 딥러닝은 아래와 같은 배경에서 활성화되었다. 혁신 알고리즘 공개 개발환경 고성능 ..

1. 기울기 강하 기법 가. 학습법 개관 (1) 신경망 학습법 개관 분석적 기법 : 방적식을 구한 후 해를 계산하는 방식 → 계산이 복잡하고 비가역적이면 계산이 불가하다. 에러 정정 학습법 : 오차를 점직적으로 줄여가는 방식 (2) 에러 정정 기법 주어진 입력 샘플에 대해 출력을 산출한다. 이후 출력과 목표 출력 간의 차이가 줄어들도록 가중치를 변경한다. 손실(Loss, 에러)를 어떻게 계산할 것인가? → 손실 함수로 정량화 손실이 줄어들도록 가중치를 조정하는 방법 → 기울기 강하 기법 활용 나. 손실함수 (1) 손실 함수 손실 함수는 목표치와 실제 출력 간의 차이(손실, 에러)를 계량화하는 함수. 에러 함수의 종류는 다양한다. ex) 평균제곱에러, 교차엔트로피 에러 등 (2) 평균제곱에러 평균 제곱 에..

1. K-means 대표적인 비지도 학습. 데이터를 이용해서 k개로 분류. k-평균 알고리즘(K-means clustering algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘이다. 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 각 그룹의 중심 (centroid)과 그룹 내의 데이터 오브젝트와의 거리의 제곱합을 비용 함수로 정하고, 이 함숫값을 최소화하는 방향으로 각 데이터 오브젝트의 소속 그룹을 업데이트해 줌으로써 클러스터링을 수행하게 된다. 알고리즘은 자율 학습의 일종으로, 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행한다. 출처 : https://ko.wikipedia.org/wiki/K-평균_알고리즘 가. kmeans() kmeans(x..

1. 다층 신경망 (FNN) 2 계층으로 구성된 다층 퍼셉트론(MLP)은 XOR 기능을 구현해냈다. 이로써 퍼셉트론의 선형 분리성의 한계를 극복했다. 오류 역전파 알고리즘(Backpropagation)으로 다 계층 구조 활용의 최대 걸림돌인 학습 문제를 해결했다. 활성화 함수로 비선형 활성화 함수(시그모이드 함수)를 적용하면서 다양한 함수 기능 구현. 시그모이드 함수를 사용하는 순간부턴 다층 퍼셉트론보단 다층 신경망, 일반 신경망(FNN)이라 칭한다. 선형/비선형 회귀, 이진 분류, 다중 분류 등에 활용된다. 가. FNN 구조 Feed forward 구조 한 개의 히든 계층 다양한 활성화 함수 사용 일반적으로 완전연결층(fully-connected) 보통 ‘계층’이라 함은 앞 단 계층과의 가중치까지 포함..