기록함 기록함

# 제안컨설팅 위한 사업화 프로세스 사업의 이해 ➡️ (문제정의) ➡️ 환경분석 ➡️ 표본 고객 Pain Point 분석 ➡️ 전략수립 ➡️ (아이디어 도출) ➡️ 가치제안 # 학습 내용 사업의 이해 비즈니스의 이해 & 비즈니스 발굴을 위한 고객문의 정의 사업의 핵심은 고객에게 가치를 제공하는 것입니다. 이를 위해서는 고객문제를 명확히 정의해야 한다. 고객문제는 AS-IS(현재상태)와 TO-BE (바람직한 상태) 사이의 GAP 으로 정의합니다. TO-BE 설정을 위한 사고법 TO-BE 를 어떻게 설정하느냐에 따라 문제 인식 상황이 다르며, 'TO-BE' 설정을 효과적으로 이끌어 나가기 위해서는 미래를 예측하는 Forecasting과 미래의 목표를 설정하고 현재를 그에 맞게 조정하는 Backcasting ..

# 클라우드 컴퓨팅 이란? 클라우드 컴퓨팅 개요 DX 실현을 위한 핵심 기술 중 하나로, 인터넷을 통해 연결된 IT 자원을 '필요한 만큼 사용하고', '사용한 만큼 지불하는' 방식으로 이용하는 것을 말한다 이점 민첩성, 탄력성, 비용최적화, 전세계에 배포, 애플리케이션에 집중 서비스 모델 Iaas, PaaS, SaaS 배포 모델 퍼블릿 클라우드, 프라이빗 클라우드, 하이브리드 클라우드, 멀티 클라우드 시장 해외 : 아마존 웹 서비스(AWS), 마이크로소프트 애저, 구글 클라우드 플랫폼(GCP) 국내 : KT 클라우드, 네이버 클라우드, NHN 클라우드, 카카오 엔터프라이즈 # 학습 내용 서비스 유형 AWS 서비스 설명 네트워킹 서비스 Amazon VPC (Virtual Private Cloud) 사용자가..

# IT 인프라 란? IT 인프라 개요 네트워크, 서버, 데이터베이스, 정보보안, 시스템 소프트웨어 및 기반시설 등 IT서비스의 기반이 되는 시스템 및 구조 주요 구성요소 하드웨어 눈에 보이는 물리적 장비 – PC, 모니터, 하드디스크, CPU, MEMORY, 서버, 스토리지, 라우터, 스위치 등 소프트웨어 눈에 보이지 않는 프로그램 – OS (Windows, Linux 등), Database, Microsoft Office, Photoshop 등 네트워크 컴퓨터 같은 장비들이 그물망처럼 연결된 형태 또는 장비 – 공유기(Router), 스위치, 방화벽, 케이블 등 유형 온프레미스 기업이나 조직이 자체적으로 서버, 스토리지 등의 IT 자원을 보유하고 관리하는 방식 클라우드 인터넷을 통해 IT 리소스(서버..

# 데이터 분석 표현 이란? '데이터 분석 표현'은 데이터 분석 결과와 인사이트를 시각적으로 나타내고 공유하는 과정을 나타냅니다. 이 과정은 데이터 분석 결과를 쉽게 이해하고 효과적으로 전달하는 데 핵심적인 역할을 합니다. 또한 이는 비즈니스 결정에 도움을 주며, 데이터를 이해하고 다른 이해 관객과 공유하는 데 필수적인 작업입니다. 이러한 데이터 분석 결과를 시각화하고 표현하는 데에는 태블로(Tableau), QlikView/Qlik Sense, Looker Studio, Streamlit, Power BI 등 여러 도구가 있습니다. 이번 과정에서는 Streamlit과 Power BI를 활용하는 방법을 학습하였습니다. # 학습 내용 스트림릿(Streamlit)이란? Python 기반의 오픈 소스 라이브러..

# 언어지능 & 시각지능 이란? 특징 언어지능 시각지능 정의 텍스트 및 언어 데이터를 처리하고 이해하는 데 사용되는 인공 지능 분야. 이미지 및 비디오 데이터를 처리하고 이해하는 데 사용되는 인공 지능 분야. 데이터 유형 텍스트, 문장, 문서, 대화 데이터 이미지, 비디오, 그래픽 데이터 주요 작업 텍스트 생성, 번역, 자연어 이해, 대화 시스템 이미지 인식, 객체 감지, 패턴 인식, 비디오 분석 주요 기술 자연어 처리 (NLP), 기계 번역, 대화형 AI 컴퓨터 비전, 딥러닝, 이미지 분석 응용 분야 자동번역, 대화형 가상 비서, 텍스트 분석, 감정 분석 얼굴 인식, 자율 주행 자동차, 보안 감시, 의료 진단 기술 발전 정도 NLP 모델 (BERT, GPT), 대화형 AI (Siri, Alexa) 딥러..

# 딥러닝 이란? 딥러닝은 머신러닝(ML)의 하위 집합으로, ‘신경망’을 통해 인공지능을 만드는 머신러닝의 한 종류입니다. 컴퓨터가 사람처럼 생각하고 배울 수 있도록 하여, 많은 데이터를 분류해서 같은 집합들끼리 묶고 상하의 관계를 파악하는 기술입니다. 머신러닝과 차이점이 있다면, 머신러닝은 컴퓨터에게 먼저 다양한 정보를 가르치고 그 학습한 결과에 따라 컴퓨터가 새로운 것을 예측하는 반면, 딥러닝은 인간의 '가르침'이라는 과정을 거치지 않아도 스스로 학습하고 미래의 상황을 예측할 수 있다는 것입니다. * 딥러닝과 머신러닝의 주요 차이 특성 머신러닝 딥러닝 모델 구조 다양한 알고리즘 및 모델 사용 심층 신경망 (인공 신경망) 사용 데이터 양 적은 양의 데이터로도 작동 가능 대규모 데이터셋 필요 모델 복잡성..

# 머신러닝 (비지도 학습) 이란? 지난번 머신러닝 (지도 학습) 부분에 이어서 이번에는 머신러닝 (비지도 학습) 부분을 배웠습니다. 지도 학습은 '정답을 찾아라!' 라는 관점이라면 비지도 학습은 '유사한 데이터 끼리 묶어라~' 라는 관점입니다. ◾머신러닝 - 학습방법에 따른 분류 지도 학습 정답이 있는 데이터를 활용해 데이터를 학습시키는 것 비지도 학습 정답이 없는 데이터 만으로 배우게 하는 학습 방법 강화 학습 선택한 결과에 대해 보상을 받아 행동을 개선하면서 배우게 하는 학습 방법 # 학습 내용 1. 차원축소 설명 차원 축소는 고차원 데이터의 특성을 낮은 차원으로 축소하여 데이터를 더 간결하게 표현하는 기술 종류 주성분 분석 PCA - 데이터 분산을 최대한 유지하며 축소하는 선형 차원 축소 알고리즘..

# 머신러닝 이란? '머신러닝'이란 단어 자체는 많이 들어봤지만 정작 머신러닝이 어떤 걸 말하는지 몰랐었습니다😂 머신러닝이란 인공 지능 (AI) 분야의 한 부분으로, 컴퓨터 시스템에 데이터를 활용하여 스스로 학습하고 패턴을 발견하며 작업을 수행할 수 있는 능력을 부여하는 작업 입니다. 머신러닝은 학습방법에 따라 아래와 같이 3가지로 나뉩니다. 그 중에서 이번 주는 장래강사님과 함께 머신러닝의 '지도'학습 부분을 배웠습니다. ◾학습방법에 따른 분류 지도 학습 정답이 있는 데이터를 활용해 데이터를 학습시키는 것 비지도 학습 정답이 없는 데이터 만으로 배우게 하는 학습 방법 강화 학습 선택한 결과에 대해 보상을 받아 행동을 개선하면서 배우게 하는 학습 방법 # 학습 내용 ◾지도학습 과제에 따른 분류 문제 유형..