|
|
|
|
 |
|
| 실험․실습 보고서
1. 제목 : minicom 터미널 에뮬레이터를 이용하여 호스트와 타겟머신
을 연결해 간단한 소스프로그램 실행해보기
2. 목적 : 타겟머신과 호스트머신을 시리얼 포트를 통해 연결하는법을 터득해보고 소프트웨어적으로 미니컴을통해 네트워킹해 호스트머신에서 작성 및 컴파일한 파일들을 전송시켜보고 타겟머신안에서 실행가능한지를 실습해본다
3. 실습에 필요한 기초지식 : 리눅스 운.. |
|
|
|
|
|
 |
|
| 특히, LG CNS는 AI 기반의 데이터 분석, 자연어 처리(NLP), 머신러닝 및 딥러닝 기술을 활용하여 산업별 맞춤형 AI 솔루션을 개발하고 있으며, AI를 기반으로 고객의 의사결정을 지원하는 서비스를 제공하고 있습니다.
또한, 장기적으로는 AI 기술을 활용한 데이터 분석 및 예측시스템을 개발하여, 기업이 더 나은 의사결정을 할 수 있도록 돕는 AI 솔루션을 연구하고 싶습니다.
AI 기술을 활용하여 기업의 .. |
|
 |
ai, 모델, 활용, 기술, 러닝, 학습, 데이터, 기반, 분석, 최적화, 지원, 개발, 머신, 수행, 싶다, 딥, 과목, 기업, 산업, 다양하다 |
|
|
|
|
 |
|
| 기계의 종
1)선반 :공작물의 회전과 공구의 직선운동에 의하여 절삭하는 공작기계를 선반이라 하고 사용공구는 바이트라는 인선이 하나인 공구를 사용한다.
원형제품의 외경 또는 내경 가공을 하며 드릴링 및 탭핑, 리밍 작업이 가능하며 주축대의 변형에 따라 다양한 형태의 추가 작업이 가능하다.
최근에는 선반의 공구대에 밀링헤드를 장착한 Turn-mill장비가 사용되고 있다.
선반은 주축의 방향에 .. |
|
|
|
|
|
 |
|
| 기아의 IT-MachineLearningEngineer 직무에 지원한 이유는 실제 현장 데이터를 분석하고, 머신러닝 기술을 활용해 자동차 산업의 혁신을 직접 이끌어보고 싶기 때문입니다.
실제 데이터를 수집하고, 문제를 정의하며, 머신러닝 기반 솔루션을 구현하는 일련의 과정을 반복적으로 경험하면서 데이터와 기술, 그리고 비즈니스 현장의 연결고리를 이해할 수 있었습니다.
이 과정에서 얻은 경험을 바탕으로, 기.. |
|
|
데이터, 실제, 경험, 모델, 기술, 프로젝트, 과정, 다양하다, 러닝, 고객, 현장, 머신, 분석, 싶다, 서비스, 차량, 기아, 성능, 적용, 생각 |
|
|
|
|
 |
|
| -낯선 세계를 상상하고 현실의 답을 찾는 문학의 힘-감상문에 대한 내용입니다.
A+ 받은 자료입니다. 받아가시는 모든분들이 좋은 점수받기 바랍니다.
많은 도움되시길 바랍니다^^
SF 소설의 시작은 어떤 작품일까? 메리 셸리의 프랑켄슈타인이 먼저 출간되긴 했지만 이 책의 저자는 허버트 조지 웰스의 타임머신을 시작점으로 본다. 왜 그럴까? 물론 프랑켄슈타인에도 SF적 요소가 담.. |
|
|
|
|
|
 |
|
| ▣ 목적 함수
최적화를 행할 때에는 물론 “목적”이 있으며 이러한 최적화 문제를 수학적으로 기술할 때에는 그 “목적”을 정량적으로 설정하지 않으면 안되는데 이것을 “목적함수”라고 한다. 만약 어느곳에서 다른곳으로 이동을 할 때 최단거리와 이동할 때 드는 여비가 있는데 이를 최적화 한 목적함수 E는 이동시간과 여비를 더한 형태가 된다. E = 이동시간 + 여비
▣ 홉필드 모델
이 모델은 상호 대칭 결합 |
|
|
|
|
|
 |
|
| Special Purpose Machine, Special Machine, Special Purpose, Purpose Machine, Special, Purpose, Machine, 공작, 공작기, 공작기계, 트랜스타머신, 트랜스타, 머신, 트랜스터, 트랜, 트랜머신, 전용공작기계, 1995년, 1996년, 1997년, 1998년, 1999년, 2000년, 2001년, 2
1995년 1분기부터 2002년 3분기까지 분기별 전용공작기계의 생산, 출하(내수, 수출) 재고 현황 및 전년대비 증감율 표와 그래프 표기 |
|
|
Special Purpose Machine, Special Machine, Special Purpose, Purpose Machine, Special, Purpose, Machine, 공작, 공작기, 공작기계, 트랜스타머신, 트랜스타, 머신, 트랜스터, 트랜, 트랜머신, 전용공작기계, 1995년, 1996년, 1997년, 1998년, 1999년, 2000년, 2001년, 2 |
|
|
|
|
 |
|
| Special Purpose Machine, Special Machine, Special Purpose, Purpose Machine, Special, Purpose, Machine, 공작, 공작기, 공작기계, 트랜스타머신, 트랜스타, 머신, 트랜스터, 트랜, 트랜머신, 전용공작기계, 1995년, 1996년, 1997년, 1998년, 1999년, 2000년, 2001년, 2
1995년 1월부터 2002년 10월까지 월별 전용공작기계의 생산, 출하(내수, 수출) 재고 현황 및 전년대비 증감율 표와 그래프 표기 |
|
|
Special Purpose Machine, Special Machine, Special Purpose, Purpose Machine, Special, Purpose, Machine, 공작, 공작기, 공작기계, 트랜스타머신, 트랜스타, 머신, 트랜스터, 트랜, 트랜머신, 전용공작기계, 1995년, 1996년, 1997년, 1998년, 1999년, 2000년, 2001년, 2 |
|
|
|
|
 |
|
| MachineVis ion 개발은 단순히 코드를 작성하는 능력만으로는 완성될 수 없는 분야이며, 수학적 사고·이미지 프로세싱이해·딥러닝 기반 모델 구조에 대한 이해가 반드시 필요하다고 생각해 이를 집중적으로 학습했습니다.
이 경험은 머신 비전 개발에서 문제 해결은 코드가 아니라 데이터와 구조를 함께 보는 관점에서 시작된다는 사실을 깨닫게 했습니다.
머신 비전 분야를 학습하면서 가장 큰 도전은 빠르.. |
|
|
모델, 기술, 비다, 기반, 머신, 개발, 구조, 프로텍, 장비, 학습, 데이터, 문제, 정확도, 이해, 때문, 생각, 해결, 실제, 이미지, 분석 |
|
|
|
|
 |
|
| [이벤트 무대의 운용] 무대의 종류와 디자인, 조명, 음향 및 특수효과처리
목차
* 이벤트 무대의 운용
Ⅰ. 무대의 종류와 디자인
1. 무대의 종류
1) 프로시니엄 무대
(1) 장점
(2) 단점
2) 아레나 무대/원형 무대
(1) 장점
(2) 단점
3) 오픈스테이지 무대/돌출 무대
(1) 장점
(2) 단점
4) 가변형 무대
2. 무대의 디자인
1) 무대 제작시의 체크리스트
2) 무대의 설계
Ⅱ. 무대의 조명
1. 광원과 칼라필.. |
|
|
|
|
|
 |
|
| 저는 이 과정에서 실증적 프로젝트와 KT 인프라를 활용해 산업과 융합된 AI 기술을 연구하고, 입사 후에는 데이터 기반의사결정 지원 시스템, 사용자 행동 예측 모델 등 실질적 기여가 가능한 솔루션을 개발해 KTAI 센터의 핵심 인재로 성장하고자 합니다.
저는 AI 모델 구현을 총괄하면서 데이터 수집 및 전처리를 주도했고, LSTM 기반의 행동 예측 알고리즘을 설계했습니다.
A1.가장 구체적인 목표는 KT의.. |
|
|
ai, 모델, 기반, 데이터, 기술, kt, 예측, 활용, 경험, 프로젝트, 개발, 설계, 시스템, 러닝, 분석, 구조, 감정, 위해, 이후, 지원 |
|
|
|
|
 |
|
| 앤비젼 합격 자기소개서 예문
앤비젼에 대해 철저하게 분석하여 퇴고과정을 거쳐 공들여 쓴 자기소개서 입니다.
지난 몇 년간 합격자들의 자기소개서를 참고하여 몇 번의 수정을 거쳤습니다.
또 기업기념과 인재상을 고려하여 이목을 끌만한 단어들로 구성하도록 노력했습니다.
인터넷에 떠도는 진부한 자료와는 격이 다른 예문입니다. 반드시 합격하시길 기원합니다.
1.성장과정
2.성격의 장단점
3.사회.. |
|
|
|
|
|
 |
|
| 데이터 분석은 단순한 기술적 작업이 아니라, 문제의 본질을 파악하고 데이터를 활용하여 해결책을 도출하는 과정이라고 생각합니다.
데이터 사이언티스트로서 필요한 핵심 역량 인 프로그래밍, 데이터 분석, 머신러닝, 통계적 모델링, 데이터 시각화, 비즈니스 문제 해결 능력을 갖추기 위해 다양한 경험을 쌓아왔습니다.
또한, 비즈니스 문제 해결 능력과 데이터 기반의사결정 경험이 있습니다.
단순히 모.. |
|
|
데이터, 분석, 경험, 러닝, 모델, 활용, 해결, 문제, 머신, 통해, 수행, 구축, 위해, 다양하다, 조직, 도출, 의사결정, 기반, 비즈니스, 프로젝트 |
|
|
|
|
 |
|
| 저는 서울대학교 일반대학원 컴퓨터과학부에 진학하여 인공지능과 머신러닝, 특히 강화 학습과 컴퓨터 비전 분야를 융합한 연구를 수행하고자 합니다.
석사과정에서는 우선 인공지능과 머신러닝 분야의 이론적 기초를 탄탄히 다지고, 최신 강화 학습 알고리즘과 딥러닝 기술을 체계적으로 학습할 계획입니다.
박사과정에서는 강화 학습과 컴퓨터 비전 기술을 융합하여, 복잡한 실제 환경에서 자율적 의사결.. |
|
|
학습, 연구, 지능, 컴퓨터, 인공, 강화, 러닝, 이다, 데이터, 문제, 다양하다, 분야, 알고리즘, 기술, 환경, 능력, 해결, 실제, 과목, 시스템 |
|
|
|
|
 |
|
| AI 모델 연구 및 최적화 경험
이러한 경험을 바탕으로, 엠로의 AI 모델 연구 및 개발팀에서 머신러닝 및 딥러닝 기술을 활용하여 공급망 최적화 및 예측 모델을 개발하는 역할을 수행하고 싶습니다.
엠로에서의 경험을 바탕으로, AI 기반의 공급망 최적화 및 의사결정자동화 모델을 개발하는 전문가로 성장하고 싶습니다.
AI 기반의 공급망 예측 및 최적화 모델을 개발하여, 기업 고객이 더 나은 의사결정을.. |
|
|
모델, ai, 러닝, 최적화, 수행, 개발, 예측, 활용, 데이터, 연구, 기업, 기반, 싶다, 공급망, 엠로, 역할, 기술, 딥, 경험, 적용 |
|
|
|
|
|
|
