🛳️HD현대미포를 톺아보자

🔍챌린지 3회차 [수업 목표]스마트 팩토리 데이터(삼성 스마트팩토리)를 활용한 데이터 분석01. 데이터 설명스마트팩토리 반도체 공정 최적화 1. 데이터 개요 및 목적주제 : 분류 알고리즘을 통한 고장 감지 및 예측목적 :  반도체 공정 과정에서 관측한 센서 데이터를 기반으로 불량품을 분류하고 예측하여 생산 공정 및 스마트 팩토리 운영의 효율성 증대(1) 시각화 및 EDA분석(2) 결측치 처리 및 이상치 분석(3) 머신러닝 분류 모델 사용로지스틱 회귀랜덤포레스트XGBoost (4) 피처 중요도 공정 품질 저하를 유발하는 변수의 분포에 따라 공정 품질 저하를 조기감지하고 이에 따라 대응할 수 있는 해결책을 제시할 수 있다시각화 분석의 결과와 머신러닝모델의 평가지표, 피처 중요도에 따라 공정 품질을 높이고 ..

🔥 Intro: "ON AIR 분석 절차를 기반으로한 프로젝트" - 기초 프로젝트  1. Objective (목표)프로젝트 목표: 이 프로젝트의 주요 목표를 명확히 기술합니다. 어떤 문제를 해결하고자 하는지 또는 어떤 비즈니스 목표를 달성하려는지를 설명합니다.예상 결과물: 이 프로젝트를 통해 기대되는 결과물과 도출하고자 하는 인사이트를 명시합니다.2. Necessary data (데이터)데이터 소스: 사용할 데이터의 출처를 설명하고, 필요한 데이터 유형과 범위를 명시합니다.데이터 수집 계획: 데이터를 수집하기 위한 계획과 방법을 기술합니다. 데이터 수집의 정확성과 완전성을 보장하기 위한 조치를 고려합니다.3. Analytics (분석)분석 방법: 사용할 데이터 분석 기법과 모델을 선정하고, 분석을 위한..

3. visual studio code 설치 및 설정✔️ 머신러닝을 배우기 위한 프로그램을 설치해보고, 머신러닝을 위한 환경인 Jupyter Notebook을 알아봅시다. 3.1 머신러닝 실습 소프트웨어☑️ 머신러닝을 활용하기 위한 대표 소프트웨어Visual Studio Code(a.k.a vscode) - 본 강의 용Microsoft가 제공하는 소스 코드 에디터. Python 외에도 R, C, Java등 현존하는 대부분 프로그래밍 언어를 제공하며, Copilot 등 다양한 extension이 있는 것이 장점입니다. 로컬 컴퓨터 자원을 사용하기 때문에 사용하는 컴퓨터 환경에 따라 머신러닝 모델 사용이 느릴 수 있습니다.Google ColabGoogle이 만든 Jupyter Notebook환경으로, 무료로..

출처: 1. 머신러닝의 기초 1. 머신러닝의 기초 | Notion목차teamsparta.notion.site 1. 머신러닝의 기초 1. 학습목표✔️ 머신러닝에 대한 기본을 알고 실습환경을 구축해봅시다. 2. 머신러닝의 기본 정의 및 역사✔️ 머신러닝에 대한 기본 개념을 알아봅시다. 2.1.머신러닝의 정의☑️ 머신러닝? 딥러닝?여러분들이 생각하는 머신러닝의 이미지는 뭔가요?머신러닝 이미지 ☑️ 머신러닝 관련 용어 정리AI: 인간의 지능을 요구하는 업무를 수행하기 위한 시스템Machine Learning: 관측된 패턴을 기반으로 의사 결정을 하기 위한 알고리즘Deep Learning: 인공신경망을 이용한 머신러닝Data science: AI를 포괄하여 통계학과 컴퓨터공학을 바탕으로 발전한 융합학문Data ..

출처: [스파르타코딩클럽] 가설검정의 주의점 [스파르타코딩클럽] 가설검정의 주의점 | Notion[수업 목표]teamsparta.notion.site[스파르타코딩클럽] 가설검정의 주의점[수업 목표]가설검정의 다양한 주의점에 대해 이해한다.이러한 주의점들을 참고하여 가설검정을 진행할 수 있다.6.1 재현 가능성✔️ 우연히 결과가 나오는 것이 아닌, 항상 일관된 결과가 나오는지 확인해야 합니다! 1) 재현가능성이란 무엇인가? ☑️ 재현 가능성 동일한 연구나 실험을 반복했을 때 일관된 결과가 나오는지 여부. 연구의 신뢰성을 높이는 중요한 요소ex) 신약을 개발할 때 실험실에서만 효과가 있는 것이 아니라 실제 상황에서도 일관된 결과가 나온다고 믿을 수 있기 때문에 개발 가능한 것최근 p값에 대한 논쟁이 두드러지..

출처: [스파르타코딩클럽] 상관관계 [스파르타코딩클럽] 상관관계 | Notion[수업 목표]teamsparta.notion.site[스파르타코딩클럽] 상관관계[수업 목표]상관관계에 대해서 이해한다.다양한 상관관계 계산의 특징과 차이점을 이해하고 적용할 수 있다. 5.1 피어슨 상관계수✔️ 가장 대표적으로 많이 사용하는 상관계수! 1) 피어슨 상관계수란 무엇일까? ☑️ 그림으로 먼저 확인하기! 가장 왼쪽 그래프가 피어슨 상관계수 그래프!첫 번째 그래프는 파란색 점들로 나타내었으며, X와 Y의 선형 관계를 보여줍니다.그래프에서 점들이 직선적으로 퍼져 있으며, 상관계수는 0.99로 매우 강한 양의 선형 관계를 나타냅니다.☑️ 피어슨 상관계수두 연속형 변수 간의 선형 관계를 측정하는 지표-1에서 1 사이의 값을..

출처: [스파르타코딩클럽] 회귀(Regression) [스파르타코딩클럽] 회귀(Regression) | Notion[수업 목표]teamsparta.notion.site[스파르타코딩클럽] 회귀(Regression)[수업 목표]회귀가 무엇인지에 대해 이해한다.다양한 회귀의 종류에 대해서 설명할 수 있고 특징을 이해한다.4.1 단순선형회귀✔️ 한개의 변수에 의한 결과를 예측 단순선형회귀란 무엇인가?☑️ 단순선형회귀하나의 독립 변수(X)와 하나의 종속 변수(Y) 간의 관계를 직선으로 모델링하는 방법 ☑️ 회귀식Y = β0 + β1X, 여기서 β0는 절편, β1는 기울기 (y=ax+b랑 똑같아)중학교 때 배웠던 1차함수를 생각하면 이해하기 쉬움!☑️ 특징독립 변수의 변화에 따라 종속 변수가 어떻게 변화하는지 설명..

출처 : [스파르타코딩클럽] 유의성검정[스파르타코딩클럽] 유의성검정[수업 목표]각각의 유의성 검정 방법들에 이해하고 특징을 파악한다.신뢰구간과 가설검정의 관계에 대해 설명할 수 있다.제 1종 오류와 2종 오류에 대해 이해하고 구분할 수 있다. 3.1 A/B 검정✔️ 두 그룹 (A, B)과 비교하는게 포인트! 1) A/B 검정이란 무엇인가? ☑️ 그림으로 확인하기!☑️ A/B 검정 A/B 검정은 두 버전(A와 B) 중 어느 것이 더 효과적인지 평가하기 위해 사용되는 검정 방법.마케팅, 웹사이트 디자인 등에서 많이 사용됨.사용자들을 두 그룹으로 나누고, 각 그룹에 다른 버전을 제공한 후, 반응을 비교.일반적으로 전환율, 클릭률, 구매수, 방문 기간, 방문한 페이지 수, 특정 페이지 방문 여부, 매출 등의 지..

출처 : [스파르타코딩클럽] 데이터의 분포[스파르타코딩클럽] 데이터의 분포[수업 목표]모집단과 표본에 대해서 이해하고 각각에 대해 설명할 수 있다.각각의 분포에 대한 개념과 특징을 설명할 수 있다.표본오차와 신뢰구간에 대해 이해하고 있다. 2.1 모집단과 표본✔️ 모집단은 전체! 표본은 일부! 1) 모집단과 표본이란 무엇일까?관심의 대상이 되는 전체 집단. ex) 한 국가의 모든 성인.☑️ 모집단관심의 대상이 되는 전체 집단. ex) 한 국가의 모든 성인.☑️ 표본모집단에서 추출한 일부. ex) 그 국가의 성인 중 일부를 조사.☑️ 왜 표본을 사용하는 걸까?현실적인 제약비용과 시간전체 모집단을 조사하는 것은 비용과 시간이 많이 들기 때문에 대부분의 경우 불가능(ex. 자동차 성능 테스트[충돌 실험 등],..

데이터 시각화 (Matplotlib) 데이터 시각화 (Matplotlib) | Notion[수업 목표]teamsparta.notion.site시각화 부분 공부 다시 꼼꼼하게 해보기