반응형 Data/Info.7 빅데이터 비즈니스 모델 IDC의 빅데이터 생태계 : 데이터 창출 -> 획득 -> 정보처리 -> 비즈니스 프로세스빅데이터 비즈니스 모델 - 데이터로 던벌기 - 데이터 분석에 도움이 되는 인프라 제공 - 데이터 자체로 사업화 세가지 요소가 결합하여 가치 제공 - 콘텐츠 - 고객 경험 - 플랫폼 고객 가치 - 데이터를 중심으로 역량을 만들고 차별화 판도라 Spotify, Netflic : 고객 맞춤화 콘텐츠아마존 종이책, 전자책 : 고객 책 추천 프로세스 빅데이터 비즈니스 모델 유형 1) 데이터 과학자 : 데이터 비즈니스 맨 - 활용방안 데이터 창출자 - 데이터가공분석 새로운 정보 지식창출 데이터 개발자(대리인) - 분류저장유지관리 전문가 데이터 연구가 - 특정 분야 산업지식에서 활용 데이터 응용가 - 기존 서비스를 빅데이터를 이용.. 2018. 6. 21. 머신러닝 딥러닝 온라인 강의 / SNS / 논문 [Lecture 입문]1. Coursera machine learning 강좌 https://www.coursera.org/learn/machine-learning 2. Udacity deep learning 강좌 https://www.udacity.com/course/deep-learning--ud730[Lecture 중급]3. Mathematical monk 유투브 강좌 https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA 4. Stanford CNN 강좌 http://cs231n.stanford.edu/ [서머스쿨]5. Bay area 딥러닝 스쿨 https://www.youtube.com/channel/UCb7PaTJYueRh6Y5rQ7h3U3w 6.. 2017. 3. 23. 기계학습Machine Learning - 강화 학습 유형(Multi armed bandit) 강화 학습 Reinforcement Learning환경을 탐색하는 에이전트가 현재의 상태를 인식하여 어떤 행동을 취함에이전트는 환경으로 부터 포상을 얻음포상은 양수와 음수 둘 다 가능에이전트가 앞으로 누적될 포상을 최대화 하는 정책을 찾는 방법 강화 학습과 지도학습의 차이점 지도 학습 : 이미 알고 있는 지식을 이용해 원하지 않는 행동을 명시적으로 수정하며 모델을 업데이트 해감강화 학습 : 이미 알고 있는 지식과 아직 조사되지 않는 영역을 탐험하는 것 사이의 균형을 잡는 것즉, 환경이 지속적으로 변해가는 상황에서 트렌드를 실시간으로 분석하고 이를 즉각 반영할 수 있는 온라인 수행조사되지 않은 영역과의 Trade-off를 조절하는 Multi-armed bandit 문제를 알아본다 Multi-armed Ba.. 2016. 2. 7. 기계학습Machine Learnig - 비지도 학습 비지도 학습 Unsupervised Learning데이터가 어떻게 구성되었는지 알아내는 문제 지도 학습이나 강화 학습과는 달리 입력값에 대한 목표치가 주어지지 않음 비지도 학습을 이용한 알고리즘 예 클러스터링(Clustering) : k-means 알고리즘 http://pubdata.tistory.com/26독립 성분 분석(Independent Component Analysis) 2016. 2. 7. 기계학습Machine Learning - 지도 학습 유형 지도 학습 Supervised Learning훈련 데이터(Training Data)로부터 하나의 함수를 유추함훈련 데이터는 일반적으로 입력 객체에 대해 속성을 벡터 형태로 포함하고 있으며, 각각 벡터(독립변수)에 대해 원하는 결과(종속변수)가 포함지도학습 검증방법 (Accuracy, Sensitivity, Specificity, Precision, ROC, AUC)교차 검증(Cross-Validation) : Training Set, Test Set의 7:3 또는 8:2 샘플링유추된 함수에 대해 Test Set을 입력 시 추론된 결과(종속 변수)와 실제 결과의 비교를 통해 정확도 측정 가능 - True Positive : 유추된 함수에 의해 추론된 결과(참)와 실제 결과가 같음. 관심 범주를 정확하게 분.. 2016. 2. 6. 기계학습Machine Learning - 정의, 목적별 분류 통계와 기계학습의 차이는?통계는 정해진 분포나 가정을 가지고 엄격하게 규칙이 적용되는 설문조사나 실험 계획에 사용됨기계학습은 대용량 데이터의 분석이나 패턴을 찾는데 사용됨 기계학습이란?정의 : 컴퓨터에게 배울 수 있는 능력, 즉 코드로 정의하지 않은 동작을 실행하는 능력에 대한 연구분야 (아서 사무엘, 1959)머신 러닝(영어: machine learning) 또는 기계 학습(機械 學習)은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다.기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있다. 표현이란 데이터의 평가이.. 2016. 2. 6. Big Data Overview 빅데이터의 특징은 3V로 요약하는 것이 일반적이다. 즉 데이터의 양(Volume), 데이터 생성 속도(Velocity), 형태의 다양성(Variety)을 의미한다(O'Reilly Radar Team, 2012). 최근에는 가치(Value)나 변동성(Variability)을 덧붙이기도 한다.변동성 Variability은 데이터가 고정된 패턴으로 축적과 특정 규격이나 형식을 갖고있지만, 많은 옵션과 변수에 의해 분석과 해석이 쉽지 않은 경우를 의미한다. 구글은 독감과 관련된 검색어 빈도를 분석해 독감 환자 수와 유행 지역을 예측하는 독감 동향 서비스를 개발했다(google.org/flutrends). 이는 미 질병통제본부(CDC)보다 예측력이 뛰어난 것으로 밝혀졌다. 데이터의 규모가 중요하다는 것을 확인시킨.. 2016. 1. 1. 이전 1 다음 반응형
