시계열 예측과 분석 : 통계적 모형, 혼합형 모형, 딥러닝 모형

박유성 | 2024-04-05

시계열 예측 방법은 (1) 통계적 방법, (2) 혼합적(hybrid) 방법, (3) 딥러닝 기반 방법으로 구분할 수 있다. 대표적인 통계적 방법은 시계열 분해, ARIMA, VARIMA 등이 있고, 혼합적 방법은 통계적 방법과 딥러닝 기반 방법을 혼합한 시계열 예측 기법으로 Prophet, Neural Prophet 등이 대표적이다. 딥러닝을 기반으로 하는 시계열 모형은 딥러닝의 3대 아키텍처인 MLP, RNN, CNN을 근간으로 시계열의 예측력을 획기적으로 향상시키고 정밀화하였으며, 대표적...

R과 Excel을 활용한 데이터 모델링

오진호 | 2024-03-02

현대 사회에서 빅데이터(Big Data)는 21세기의 원유라고 비유할 정도의 소중한 자원 중 하나로 자리매김하고 있으며, 학계·기업·정부기관 등의 다양한 분야에서 그 중요성이 더욱 커지고 있다. 이에 따라 빅데이터로부터 주요 정보를 효과적으로 도출하고 분석하기 위한 기술과 인력 역시 매우 필요한 실정이다. 빅데이터는 숫자, 이미지, 영상, 문자, 위치정보 등 종류가 다양하다. 이렇게 다양한 종류의 시각화와 분석 방법 중 데이터 모델링(Data Modeling)은...

강화학습 기본과 PyTorch

추상목 | 2023-11-30

신경망 공부를 하다 보면, ‘학습은 비지도 학습, 지도 학습, 그리고 강화학습으로 나뉜다. 알파고와 자율 주행차에서 사용하는 강화학습, 아이가 세상과 상호작용하면서 세상을 배우는 과정을 모방한 강화학습.’ 등과 같은 문장을 접하게 된다. 그러면서 다음과 같은 생각이 든다. ‘강화학습을 공부해 볼까?’ 그러나 이 영역으로 들어가기가 쉽지 않다: (1) 기존 신경망 학습 구조와 완전히 다르고, (2) 매우 많은 강화학습 방법을 어떤 순서로 공부해야...

alibi, lime, shap, ELI5, InterpretML을 활용한 XAI

박유성 | 2024-01-15

앙상블러닝이나 딥러닝은 예측의 정밀도 측면에서 전통적인 통계적 예측 방법론을 앞서고 있다고 해도 과언은 아니다. 이러한 예측 정밀도에도 불구하고 AI를 알지 못하는 end-user에게 이들 모형의 예측이 ‘왜?’‘어떻게?’를 설명하지 못하면, 정밀도만 높을 뿐 모형의 예측 결과가 산업현장의 의사결정에 거의 도움을 주지 못하게 된다. XAI는 AI 모형과 end-user 간의 이러한 괴리를 메꿀 뿐만 아니라 AI 모형을 투명하고(transparency) 신뢰할만하게(t...

딥러닝 with 텐서플로와 케라스

임동훈 | 2023-12-15

요즘 인공지능(artificial Intelligence, AI), 머신러닝(machine learning), 딥러닝(deep learning)이 사방에서 난리다. 특히 딥러닝이라는 괴물은 빅데이터와 함께 여러 군데에서 이미 괴력을 발휘하고 있다. 그럼, 딥러닝이란 무엇인가? 딥러닝은 오늘날의 인공지능을 이끄는 첨단 기술이라고 할 수 있다. 인공지능은 사람처럼 사고하고 행동하는 기술을 말한다. 최근 딥러닝과 더불어 주목을 받는 머신러닝은 인공지능의 한 분야로서 컴퓨터가 스스로 학습할 수 있도록...

누구나 쉽게 할 수 있는 소프트웨어 설계와 파이썬

정화영 | 2023-11-05

4차 산업혁명의 용어가 익숙해지고 인공지능, 로봇, 빅데이터, 사물인터넷 등의 기술이 친숙해지면서 그동안 컴퓨터 관련 전공자들의 전유물처럼 인식되었던 프로그래밍이라는 개념이 누구나 알아야 하는 기초 소양 과목처럼 우리에게 다가왔다. 사회에서 비전공자들에게 요구하는 소프트웨어 코딩 수준은 전문적인 프로그램 제작 능력이 아닌 소프트웨어 프로세스의 구성이나 기본 작성 방법을 이해하는 것이다. 물론 더 전문적인 소프트웨어 개발 능...

파이썬을 이용한 통계적 머신러닝 제4판

박유성 | 2023-10-25

머신러닝은 주어진 데이터만을 이용하여 예측, 분류, 차원축소, 생성, 재생 등을 실행하는 데이터과학 모형을 말한다. 통계학에서는 데이터에 대한 가정을 바탕으로 상당한 수준의 통계적, 수학적 지식을 이용하여 추정, 검정, 예측 등의 통계적 추론을 하게 된다. 그러나 머신러닝은 데이터에 대한 가정 없이 주어진 데이터만으로 좋은 통계적 추론을 도출할 수 있도록 데이터의 split, sample weights, resampling, randomization 등으로 통계학의 기본조건을 충족시키...

보건의료 빅데이터 연구방법론

약학빅데이터연구회 | 2023-03-10

약사 전문성 강화와 제약산업 분야의 변화에 맞춰 창의적 약학 인재 양성이 요구됨에 따라 현재 국내 약학교육체제는 통합 6년제로 변화하는 그 시작점에 있다. 뿐만 아니라 최근 세계보건기구(WHO)와 국제약학연맹(FIP)에서 제시하는 미래 약사가 갖추어야 할 기능에 연구자(researcher)가 추가되면서 시대적으로 약사의 직능 확장이 필요한 시점이 되었다. 이러한 상황에서 맞이한 4차 산업혁명 시대에는 약학 분야에서도 빅데이터와 인공지능이라는 ...

실무에 바로 적용하는 AI 대비 파이썬 기초 입문서

강봉주 | 2023-03-03

이 책은 AI를 수행하는 프로그램 중 가장 잘 알려진 파이썬을 익히기 위한 기초 입문서이다. 파이썬은 고수준 언어이며 일반 독자도 쉽게 코딩을 할 수 있는 언어로, 최신 AI의 흐름을 따라잡기 위해서는 반드시 거쳐야 하는 언어이자 전 세계적으로 가장 많은 사람이 배우고 있는 언어이기도 하다. 그동안 저자는 독자들이 파이썬의 기초를 이미 안다는 가정하에서 파이썬의 응용 단계에 해당하는 통계분석, 인공지능 등에 대한 강의와 프로젝트를 해왔...

텐서플로 케라스를 이용한 딥러닝 제3판 : 원리와 실제 응용

박유성 | 2023-02-10

딥러닝은 입력층, 은닉층, 출력층으로 구성되어 있다. 데이터가 입력되는 층을 입력층이라고 하며 입력층의 입력 특성변수는 은닉층에서 고수준 대표성을 가진 특성변수로 만들어진 후, 이 특성변수를 출력층에 입력하여 데이터 분석과제를 실행하게 된다. 딥러닝 모형에서 은닉층을 제거하면 기존의 통계모형과 동일하므로 은닉층만 잘 이해하면 딥러닝 모형은 누구나 쉽게 설계하고 실행할 수 있다. 딥러닝에는 2개 이상의 은닉층이 있으며 은닉층은 ...