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 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..