Let's enjoy our life

1. 인공ㅇ지능과 수학과의 관계자율주행의 미래 차 간 안전거리 감소로 도로용량 증가 =차량 간 정보 공유로 안전거리를 감소시켜 도로를 효율적으로 활용 새로운 가치 시간과 가치 공간: 자동차의 핸들, 브레이킹 등이 사라짐 새로운 가치 공간: 소규모 오피스, 혼자만의 작은 공간 지역 간 차이가 없는 공유 교통 시스템 인공지능의 역사 1956년 부터 시작 1차 인공지능 열풍 대화할 수 있는 컴튜너 ELIZA 2014 최초로 튜링 테스트에 합격한 컴퓨터 등장 튜링테스트: 대화형 컴퓨터의 성능을 측정 전문가 시스템 등장 – SW, computer, algorithm domain (e.g 경영 전문가 참여) e.g 호텔예약 시스템 3 차 인공지능 역사 머신 러닝 (기계학습)프로그램 등장 데이터에서 패턴과 규칙을 컴..

https://m.blog.naver.com/PostView.nhn?isHttpsRedirect=true&blogId=sangyeal&logNo=221239260641 엑셀 함수 vlookup 사용법(방법)/쉬운 설명, 중복/오류 값 해결은? 엑셀 함수 vlookup 사용법(방법)/쉬운 설명, 중복/오류 값 해결은? 위 동영상을 몇 번 반복해서 보면 쉽게 ... blog.naver.com

•데이터 셋 형식: n * m 날짜, 시간 •날짜 형식: YYYY-MM-DD-HH-mm-ss-ms

Among the best practices for training a Neural Network is to normalize your data to obtain a mean close to 0. Normalizing the data generally speeds up learning and leads to faster convergence. In theory, it's not necessary to normalize numeric x-data (also called independent data). However, practice has shown that when numeric x-data values are normalized, neural network training is often more e..

1. GLM ( pip install automl conda install -c huggingface tokenizers pip install Unidecode pip install GML # from GML import AutoML from sklearn.datasets import load_iris from sklearn.metrics import accuracy_score import pandas as pd Data = pd.concat([X,y],axis=1) gml_ml = AutoML() gml_ml.GMLClassifier(X, y, metric = accuracy_score, folds = 10) [참조] 1. 일반화 모델이란? towardsdatascience.com/generalized..

수준이 3개 이상인 범주형 요인의 경우, 계수에 대한 가설은 요인의 해당 수준이 요인의 기준 수준과 다른지 여부에 대한 것입니다. 요인의 통계적 유의성을 평가하려면 자유도가 1을 초과하는 항에 검증을 사용합니다. 이 검정을 표시하는 방법에 대한 자세한 내용은 순서형 로지스틱 회귀 분석에 대해 표시할 결과 선택에서 확인하십시오. 참고 towardsdatascience.com/deep-ordinal-logistic-regression-1afd0645e591 support.minitab.com/ko-kr/minitab/18/help-and-how-to/modeling-statistics/regression/how-to/ordinal-logistic-regression/interpret-the-results/k..