머신러닝 모델 해석력 시리즈 3탄! 오늘은 머신러닝 모델의 작동 원리에 대한 인사이트를 도출할 수 있는 변수를 표시하는 두 가지 방법에 대해 자세히 살펴보고자 합니다. 머신러닝 모델 해석력 시리즈 1탄과 2탄을 놓치셨다면, 클릭해주세요! 1탄: 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수 조건, 해석력! 2탄: 머신러닝 해석력 시리즈 2탄: 데이터 세트를 이해하고 해석하는 방법 데이터 과학자가 모델이
텍스트 분석과 자연어처리(NLP; Natural Language Processing)는 소비자의 감성을 분석하는 방법으로 널리 알려져 있습니다. 실제 많은 기업이 비정형 데이터 분석 기술을 이용해 소셜 미디어(SNS) 상의 고객 불만이나 댓글을 분석하고 적절히 대응하고 있는데요. 오늘날 전체 데이터의 90% 이상은 텍스트, 음성, 이미지, 영상 등 구조화되어 있지 않은 비정형 데이터입니다. 수동 분석만으로 이 모든
7월 11일은 2018년 ‘정보보호의 날’입니다. 2012년 정부 부처는 사이버 공격을 예방하고 정보보호를 생활화하기 위해 공동으로 법정 기념일을 제정했는데요. 최근 페이스북 정보 유출 사건이나 유럽 일반개인정보보호법(GDPR)의 시행 등 데이터 관련 이슈들이 이어지며 정보보호에 대한 대중의 관심도 점점 더 높아지고 있죠! 모바일, 사물인터넷(IoT), 클라우드 등 IT 기술의 발전과 함께 데이터는 빠르게 증가하고
전 세계의 이목이 러시아에 향해 있습니다. 바로 2018년 국제 축구 대회 때문인데요. 오늘은 바로 이 국제 축구 대회에 대한 다양한 데이터를 시각화하고, 지난 대회 결과로부터 어떤 인사이트를 얻을 수 있는지 살펴보고자 합니다! 전 세계 축구팀들은 대회를 위해 얼마나 멀리 이동할까요? 데이터 시각화 리포트가 보이지 않으시면 클릭하세요. 위 보고서는 참가국들이 조별 리그 동안 얼마나 멀리
