AndrewNA

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 AI 적용학습된 모델을 실제 환경에 통합하여 사용자가 접근 가능 실시간 또는 주기적으로 예측 결과를 제공 운영 중인 모델을 지속적으로 모니터링, 평가, 재학습 AI 적용 방식API 형태로 배포모델을 REST API로 만들어 외부에서 요청-응답 처리웹/모바일 앱, 백오피스 시스템에서 예측 요청배치 예측하루 1번 등 주기적으로 데이터를 불러와 예측 수행매일 이탈 고객 리스트 예측, 리포트 생성실시간 예측사용자의 입력에 따라 즉시 예측 결과 제공챗봇 응답, 실시간 상품 추천엣지 배포(Edge)디바이스에 모델을 탑재자율주행차, 스마트 CCTV 등 AI 모델 서빙을 위한 기술 스택모델 저장/로드jobli..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 AI 모델링데이터를 이용해 AI가 스스로 패턴을 학습하고 예측, 분류, 추천 등을 할 수 있도록 함 AI 모델링 절차1. 문제 유형에 맞는 알고리즘 선택분류(Classification)데이터를 클래스(라벨)로 분류Decision Tree, Random Forest, SVM, XGBoost, Neural Networks회귀(Regression)숫자(연속값) 예측Linear Regression, Ridge, Lasso, Gradient Boosting군집화(Clustering)비슷한 데이터를 그룹으로 묶음K-Means, DBSCAN, GMM시계열 예측시간에 따른 값 예측ARIMA, LSTM, Proph..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 데이터 분석 및 전처리데이터 분석 : 수집한 데이터의 구조와 특성 이해기본 통계 확인평균, 표준편차, 최대/최소값, 중간값 등df.describe()결측치 확인누락된 값이 있는지 확인df.isnull().sum()변수 간 관계 분석상관관계 확인, 산점도 등 시각화corr(), heatmap()분포 확인각 변수의 분포 확인히스토그램, 박스플롯클래스 불균형 확인목표값(Label)의 비율 확인Class 0: 90%, Class 1: 10% 등 데이터 분석 도구Python(pandas, matplotlib, seaborn, plotly), R, Excel, Tableau 등 데이터 전처리 : AI 모델이..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 데이터 수집AI 모델 학습을 위한 필요한 데이터를 확보 데이터 종류정형 데이터행과 열로 구성된 데이터엑셀, DB 테이블, CSV비정형 데이터형태가 일정하지 않은 데이터텍스트, 이미지, 음성, 영상반정형 데이터태그 기반 구조화된 데이터JSON, XML, 로그 파일 데이터 수집 방식- 내부 데이터 . 수집 방법 : 담당자간 협의 통한 기존 시스템에서 필요한 데이터를 추출 . 주의사항 : 민감 정보 주의 - 외부 데이터 . 수집 방법 : 크롤링, RSS, Opne API, 스트리밍 등 . 주의사항 : 수집 절차 및 저작권 확인 데이터 수집시 고려 요소정확성데이터가 실제 현상을 제대로 반영하..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 1. 문제정의무엇을 해결할 것인가? AI를 하면 유리한가? 판단 문제 유형결과가 카테고리인가요?분류 (Classification)결과가 숫자인가요?회귀 (Regression)정답 없이 비슷한 것끼리 묶나요?군집화 (Clustering)시간에 따른 값 예측인가요?시계열 예측 (Time Series)사용자의 취향에 맞춘 결과가 필요하나요?추천 (Recommendation)평소와 다른 이상 행동을 찾나요?이상 탐지 (Anomaly Detection)텍스트나 자연어를 처리하나요?자연어 처리 (NLP)이미지나 영상을 처리하나요?컴퓨터 비전 (CV) 문제정의 e.g. 고객 이탈 예측, 불량 제품 검출, 수요 예..

AI의 주요 기능 5가지예측, 생성, 소통, 자동화, 인식 예측(Prediction)과거 데이터를 학습하여 미래를 예측e.g. 날씨 예측, 주가 예측, 수요 예측, 질병 가능성 예측 생성(Generation)기존 데이터를 바탕으로 새로운 콘텐츠 생성 e.g.  글쓰기, 이미지 생성, 음악 작곡, 코드 자동 생성 소통(Communication)사람과 자연스럽게 대화하고 이해 e.g.  챗봇, 음성 인식, 번역, 감정 분석 자동화(Automation)반복 업무 최적화 e.g.  공정 자동화, 자율주행, 스케줄 조정, 이메일 분류 인식(Recognition)사물, 사람 등 특성을 인지하고 판단 e.g.  얼굴 인식, OCR(문자 인식), 객체 탐지, 영상 분석

AI 모델 구성요소 - 데이터, 모델링  . HW : CPU, GPU, Memory, Disk  . 개발언어 : Python, Java  . 개발환경 IDE : IDLE, Jupyter, Anaconda, VSCode, Google Colaboratory  . 개발라이브러리 : Pandas, Numpy  AI 모델 목표모델 예측값과 정답 일치 시키는 것비용함수와 최적화 알고리즘을 활용해서 최적의 모델 생성

넘파이 (Numerical Python)- 빠른 수치 연산, 특히 다차원 배열(Matrix, Tensor 등)을 위한 라이브러리핵심 객체- ndarray (N차원 배열) 특징- 행렬, 벡터, 고차원 수치 계산에 최적화 - 브로드캐스팅, 선형대수, 푸리에 변환 등 과학/공학 계산에 유리 - 속도가 빠르고 메모리 효율적 예제   판다스 (Pandas)- 표 형태(엑셀처럼)의 데이터를 다루기 위한 라이브러리 핵심 객체- Series (1차원)- DataFrame (2차원) 특징- 행/열 인덱싱, 필터링, 결측치 처리, 그룹핑 등 데이터 분석에 강력 - CSV, Excel, SQL 등 다양한 형식의 데이터 입출력이 쉬움 - 실제 비즈니스 데이터나 로그 분석에 많이 쓰임 예시(시리즈) 예시(데이터프레임)  cf)..

인공지능(AI: Artificial Intelligence) - 컴퓨터 과학의 한 분야로 인간의 학습, 추론, 지각 능력을 구현하는 기술 인공지능 사용 예시 - 음성비서, 챗봇, 스마트팩토리 등  머신러닝(ML: Machine Learning) - 머신러닝은 인공지능의 하위 개념 - 컴퓨터가 데이터를 학습하고 알고리즘과 기술을 개발하여 예측을 수행 머신러닝 사용 예시 - 추천시스템(넷플릭스, 유튜브 등), 수요 예측 등  딥러닝(DL: Deep Learning) - 딥러닝은 머신러닝의 하위 개념 - 인간처럼 의사 결정 능력을 시뮬레이션 하는 행위 딥러닝 사용 예시 - 음성 인식(빅스비 등), 자율 주행 등  생성형AI(Generative AI) - 대량의 데이터를 학습하여 딥러닝 모델을 사용하여 시뮬레이..

래미안월곡 나이 : 2006년생 세대수 : 1372세대 주차수 : 세대당 1.22대 용적률 241%. 건폐율 16% 주소 : 서울시 성북구 오패산로 90 래미안월곡아파트 정문입니다. 언덕이 완만하게 되어있고, 문주가 없는 정문으로 시원하고 개방감이 보이지만 약간은 허전한 느낌이 듭니다. 삼성물산이 시공한 래미안브랜드 답게 단지내 조경이나 환경이 우수했어요. (이래서 사람들이 래미안, 자이 하나봅니다) 용적률, 건폐율도 양호해서 쾌적해 보였어요. 임장 오기전 옆에 월곡두산위브 아파트와 달리 래미안월곡에는 공용엘리베이터가 없다는 글을 보고왔는데 막상 와보니 두 아파트간 고도 차이가 꽤나 컸습니다. (끝동 기준으로 2배는 차이 나는듯한..) 단지를 돌아다니다 보니 구지 공용엘리베이터가 필요 없겠구나 싶은 평지..

월곡두산위브 아파트 나이 : 2003년생 세대수 : 2197세대 주차수 : 세대당 1.24대 용적률 279%. 건폐율 20% 주소 : 서울시 성북구 오패산로 46 (우)02750 아파트 위치입니다. 월곡역 6호선과 미아사거리역 4호선이 있고, 추후 래미안월곡 아파트 옆에 동북선 개통이 예정되어 있습니다. 아파트 정문입니다. 앞동부터 윗동으로 갈수록 언덕이 높아지며 3단계로 다단계식 언덕 구조였습니다. 그렇지만! 이 아파트의 장점이 있었습니다. 중간중간에 공용엘리베이터를 통해 언덕간의 불편함을 최소화 하였습니다. (그렇다고 공용엘리베이터가 있긴해도 완전히 평지로 다닐 수는 없었습니다.) 정문 언덕을 오르고 나니 단지 내에서도 이처럼 완만한 언덕이 있습니다. 그래도 2003년에 지었는데 공용엘리베이터 설계가..

Chat GPT(Chat Generative pre-trained transformer)- 무언가 생성을 위해 미리 훈련된 변환기- Open AI사에서 개발- 프롬프트를 통해 입력하면 그에 맞는 답변을 제시- 무료버전 GPT-3.5와 유료버전 GPT-4버전(월 ＄ 20) 존재cf) 프롬프트(prompt) : 인공지능에게 명령이나 지시를 내릴 수 있는 입력 값  챗GPT 8가지 개념프롬프트 엔지니어링 인공지능에게 명령과 지시를 효과적으로 내리는 방법을 연구하는 분야자연어 처리인공지능이 사람의 언어를 이해하고 생성, 조작할 수 있는 분야환각 현상있지도 않은 것을 그럴싸하게 있는 것처럼 대답하는 현상머신러닝기계가 스스로 학습하고 문제를 개선해 나가는 기술딥러닝인공 신경망을 여러 계층으로 겹쳐 쌓고 연결해서 객..

1. 관리체계 수립 및 운영 (16개) 1.1. 관리체계 기반 마련 (6개) 1.1.1. 경영진의 참여 1.1.2. 최고책임자의 지정 1.1.3. 조직 구성 1.1.4. 범위 설정 1.1.5. 정책 수립 1.1.6. 자원 할당 1.2. 위험 관리 (4개) 1.2.1. 정보자산 식별 1.2.2. 현황 및 흐름분석 1.2.3. 위험 평가 1.2.4. 보호대책 선정 1.3. 관리체계 운영 (3개) 1.3.1. 보호대책 구현 1.3.2. 보호대책 공유 1.3.3. 운영현황 관리 1.4. 관리체계 점검 및 개선 (3개) 1.4.1. 법적 요구사항 준수 검토 1.4.2. 관리체계 점검 1.4.3. 관리체계 개선 2. 보호대책 요구사항 (64개) 2.1. 정책, 조직, 자산 관리 (3개) 2.1.1. 정책의 유지관리..

NFT(Non-Fungible Token) 대체 불가능한 토큰으로 그 무엇과도 바꿀 수가 없음 메타버스의 발전, 투자, FOMO 등으로 화제가 됨 NFT 용어 민팅(Minting) 그림, 사진, 음악 등 NFT로 만드는 것 드랍(Drop) NFT 작품들이 거래소에 등록되어 판매되는 것 에어드롭(AirDrop) 무료로 증정하는 것 비드(Bid) 경매 방식으로 참여하는 것 오퍼(Offer) 아직 판매하고 있지 않은 NFT에 판매가를 제안하는 것 트랜잭션(Tranjection) 다양한 거래 내역 가스비, 가스피(Gas Fee) 거래 수수료 로열티 재판매 수익으로 얻는 비용 오리지널 갱스터(Original Ganster) NFT 프로젝트 최초 맴버 화이트 리스트(White List) 공식 판매전 사전 구매 권한..

평균실종 (Redistribution of the Average) 소득의 양극화, 소비의 양극화 점점 평균이 사라지고 있다. 맛집엔 사람들이 더더욱 몰리고, 장사가 안되는곳은 더더욱 안된다. 중간만 하면 잘한다는 기준이 사라지고, 특별함과 차별함이 살아남는 시대가 되고 있다. 오피스 빅뱅 (Office Big Bang) 산업화 이후 회사문화가 빅뱅 수준으로 변화중이다. 일을 둘러싼 모든 것이 바뀌고 있다. 퇴직 열풍, 사무실의 변화, 부업 열풍 이제는 회사의 성장만이 아닌 나의 성장도 중요하다. 체리슈머 (Cheery-sumers) 실제 구매는 하지 않고 혜택만 챙겨가는 소비자다. '체리피커'에서 파생된 단어로 필요한만큼만 구매하는 소비자를 의미한다. 넷플릭스, 유튜브 공동 구독 등이 이해 속한다. 인덱..

Alteon L4 Switch 주요 점검 커맨드 /cfg/dump : 설정 컨피그 확인 /info/slb/dump : 서버 상태 확인 /info/log : 서버 로그 확인 /info/dump : 모든 정보 확인 /info/l3/ip : 네트워크 설정 정보 확인 /info/l3/arp/dump : ARP 테이블 확인 /info/l3/route/dump : 라우팅 테이블 확인 /info/l2/fdb/dump : forwarding DB 테이블 확인 /stats/mp/cpu : cpu사용률 확인 /stats/mp/mem : 메모리사용률 확인 /stats/slb/main : 최대 세션값 확인 /stats/slb/virt → all → all : 전체 세션 및 사용량 확인 Alteon L4 Switch 주요 설정..

코로나와 함께 시작된 문화생활 거리두기 이후 몇 년만에 피케팅에 성공하여 뮤지컬 데스노트를 보고 왔다. 데스노트가 보고싶기도 했지만 사실 홍광호 형이 더 보고싶었다. 내 마음속 두번째 형이다. (첫번째 형은 효신이형) 피케팅을 뚫고 성공한 자리는 4열 중블이였다. 자리만 봐도 뮤지컬 보기전부터 벌써 설레어 온다!! 장소는 충무아트센터 (신당역)에서 했고, 주차는 1시간 30분전에 도착했는데 큰 어려움 없이 했다. 공연시 주차비는 4시간에 4000원이다. 사실 내가 성공한건 아니고 친구가 도와줬다. 포토존에 사람이 많아(기다리는건 질색이야) 옆에지나가는척 하면서 사람 없을때 간단하게나마 인증샷 하나를 남겼다. 아가미 라이토 역할의 홍광호님은 역시 명불허전이였다. 1도 돈이 안아깝다. 두번 세번 또 보고 싶..

2022년 올해의 색은? 올해의 선수 올해의 신인 올해의 MVP가 있듯이 색에도 올해의 색이 있다. 팬톤이라는 색채 연구 기업에서 매년 발표하는데 올해의 색은 베리페리 색이다! 색이 어떤 영향을 가지길래 이런 발표를 하는 것인지 궁금했다. 빨강색 역사적으로 수많은 문화와 제국을 빛내준 색으로 인생, 사랑, 열정뿐만 아니라 분노, 공격, 승리에 이르기까지 무수히 많은 단어를 상징하는 색이다. 그리고 내가 가장 좋아하는 색깔이다. 좋아하는 스포츠팀도 빨강 유니폼이 모두 있으며 나도 모르게 심장이 뛴다. 그리고 사과가 생각난다... 보라색 과거에 만드는 과정이 복잡하여 매우 비싼 염료의 색이기도 했고 왕실에서만 볼 수 있는 귀한 색이였다. 심지어 16세기 엘리자베스 여왕 아무나 보라색 옷을 입을 수 없도록 금..

제목부터 호기심이 가득한 "불편한편의점"은 은퇴한 중년의 여성이 편의점을 운영하면서 현실에서 흔히 볼 수 있는 사연을 들러준다. 편의점 점주와 그의 가족들, 노숙자, 편의점 알바생, 편의점을 방문하는 손님들 등 주변에 누군가 다 겪고 있을 법한 사연들이여서 잔잔하게 읽기 좋았고, 소설이지만 마치 수필 에세이 같은 느낌이 들었다. 1. 대화의 단절 이 편의점에서 일어나는 대부분의 이슈들은 소통의 단절로부터 생겨난다. 스스로 판단하고 편견을 갖기 때문에 편의점에서 마주치는 사람들이 불편해지는게 아닐까... 먼저 들어보자 그리고 소통해보자 이제는 정보통신의 발달로 다양한 매체를 통해 원하는 정보를 많이 획득할 수 있고, 혼자서도 즐길 수 있다. 그래서일까 대화가 많이 줄어들고 있다. 하지만 이런 소통의 감소로..

구 분 Byte Bit 1B 1 8 2B 2 16 4B 4 32 8B 8 64 16B 16 128 32B 32 256 64B 64 512 128B 128 1024 256B 256 2048 512B 512 4096 1KB 1024 8192 2KB 2048 16384 4KB 4096 32768 8KB 8192 65536 16KB 16384 131072 32KB 32768 262144 64KB 65536 524288 128KB 131072 1048576 256KB 262144 2097152 512KB 524288 4194304 1MB 1048576 8388608 2MB 2097152 16777216 4MB 4194304 33554432 8MB 8388608 67108864 16MB 16777216 134217..