1️⃣ AI•DS176 [실습14] 반도체 웨이퍼 칩 변환분석 - 공정 데이터, SHAP 보호되어 있는 글 입니다. 2024. 11. 28. [MLOps] ch1. 머신러닝 상품화를 위한 기술 보호되어 있는 글 입니다. 2024. 11. 27. SQL - ch02. 테이블 생성과 조회 (DDL) 보호되어 있는 글 입니다. 2024. 9. 13. SQL - ch01. SQL 기초 보호되어 있는 글 입니다. 2024. 7. 2. [개념] Part ② : 유형별 알고리즘 - ⑸ Dimensionality Reduction 보호되어 있는 글 입니다. 2024. 1. 10. [개념] Part ② : 유형별 알고리즘 - ⑷ Clustering 보호되어 있는 글 입니다. 2024. 1. 9. 인과추론의 데이터 과학_2023 - week2. RCT 📔 강의자료 필기본 ① Potential Outcome Framework ▢ Potential Outcome Framework • counterfactual : 해당 treatment 가 없었다면 어떠했을까 • Causal effect = (Actual outcome for treated if treated) – (Potential outcome for treated if not treated) ▢ Fundamental Problem of Causal Inference : Selection Bias • 현실에서는 잠재적 결과를 관측할 수 없다. 하나의 대상에 대해서는 오직 하나의 상태만 관찰할 수 있다 • 현실에선 Control group (treatment 를 받지 않은 그룹) 만 관찰 가능하다. • .. 2024. 1. 9. HMM 기본 코드/응용사례 정리 ① 개념 보충 ◯ Markov chain • HMM 은 마르코프 체인을 확장한 모델이다. • 마르코프 연쇄는 마르코프 성질을 가진 이산확률과정 (discrete-time stochastic process) 을 의미한다. 시간에 따른 시스템 상태의 변화를 타나내며 이를 전이 Transition 이라고 부른다. • 마르코프 성질 : 미래의 상태는 오직 현재의 상태 혹은 더 이전의 일정기간에만 영향을 받는다. 미래의 어떤 상태를 예측하기 위해 과거의 긴 이력을 필요로 하지 않는 성질을 의미한다. 즉, 과거와 현재 상태가 주어졌을 때의 미래 상태 조건부 확률 분포는 과거 상태와는 독립적으로 현재 상태에 의해서만 결정된다. • 이산확률과정 : 시간이 연속적으로 변하지 않고, 이산적으로 변하며 (현재 상태에서 그냥.. 2024. 1. 5. 인과추론의 데이터 과학_2023 - week1. 빅데이터, AI 시대에서의 인과추론 📔 강의자료 필기본 ① Credibility Revolution ▢ Causal inference • observational data 로부터 특정한 현상의 인과관계를 밝혀내는 것 • Econometrics : 데이터 분석을 통해 경제 현상을 분석하고 이론을 테스트 하는 분야 • 인과추론은 모형을 어떻게 정의하느냐 보다, 잘 설계된 Research design 이 더 중요하다. • Experimental approaches Example ∘ RCT ∘ Quasi-experiments - DiD, Instrumental variables, Fixed effects, RD, Matching, Synthetic control) ② Challenges in Causal inference ▢ Correlation.. 2024. 1. 5. [실습13] 금융 보이스피싱 실시간 탐지 - Autoencoder, LOF, IF 보호되어 있는 글 입니다. 2024. 1. 5. 이전 1 2 3 4 5 ··· 18 다음 728x90
