 |
실험 설계를 직접 수행했습니다. 온도 센서, 데이터 로거, 배기계통 설계를 직접 구성하고, 실측 데이터를 통해 공회전 시와 고속운전 시의 열 변화 특성을 비교 분석하는 등 이론과 실무를 접목한 경험이었습니다.
또한 대학 시절 중소기업기
|
|
 |
7과 8/9이 칸토르의 수에 속하는지 쓰고 그 이유를 말하시오.
영상으로 보여 준 프랙탈의 차원과 그 넓이가 0이 됨을 증명하시오.
7. 기계 산업정보시스템공학부
학생 운동에 대해 어떻게 생각하는지 말하시오.
프랙탈의 정의를 쓰고 그 특성
|
|
 |
7. 진실을 파악하는 도구: 90
기초 이론과 개념: 90
회귀 분석 및 모델링: 91
가설 검정과 추론: 92
데이터 분석 및 시각화: 92
빅데이터와 기계 학습: 93
실험 계획법 94
비모수 통계 94
빅데이터와 머신러닝 94
데이터 분석 도구와 소프트웨어 9
|
|
 |
7. 진실을 파악하는 도구: 101
기초 이론과 개념: 102
회귀 분석 및 모델링: 102
가설 검정과 추론: 103
데이터 분석 및 시각화: 104
빅데이터와 기계 학습: 104
실험 계획법 105
비모수 통계 105
빅데이터와 머신러닝 106
데이터 분석 도구와 소프
|
|
 |
기계요소설계, CATIA, 기구학, 제어시스템설계 등의 다양한 설계 과목을 비롯하여 진동 및 소음에 관련된 과목을 들으며 설계 시 고려해야 할 여러 변수에 대한 개념들을 습득하였다. 그리고 재료, 유체, 제어, 진동 그리고 열 및 열전달 실험과
|
|
 |
기계공학과 전공을 살려 내연기관, 열역학, 유체역학, 기계요소설계 등을 집중 이수했으며, 학부 시절에는 엔진 실험실에서 조교로 근무하며 발전기 엔진 성능 시험 및 매연 분석 실험도 직접 진행했습니다. 동시에 영어 실력을 높이기 위해
|
|
 |
7. 진실을 파악하는 도구: 86
기초 이론과 개념: 87
회귀 분석 및 모델링: 87
가설 검정과 추론: 88
데이터 분석 및 시각화: 88
빅데이터와 기계 학습: 89
실험 계획법 90
비모수 통계 90
빅데이터와 머신러닝 91
데이터 분석 도구와 소프트웨어 9
|
|
 |
7. 진실을 파악하는 도구: 92
가. 기초 이론과 개념: 92
나. 회귀 분석 및 모델링: 93
다. 가설 검정과 추론: 93
라. 데이터 분석 및 시각화: 94
마. 빅데이터와 기계 학습: 95
바. 실험 계획법 95
사. 비모수 통계 96
아. 빅데이터와 머신러닝 96
자.
|
|
 |
7. 진실을 파악하는 도구: 82
아. 기초 이론과 개념: 82
자. 회귀 분석 및 모델링: 83
차. 가설 검정과 추론: 83
카. 데이터 분석 및 시각화: 84
타. 빅데이터와 기계 학습: 84
파. 실험 계획법 85
하. 비모수 통계 85
거. 빅데이터와 머신러닝 86
너.
|
|
 |
기계적 완충 역할을 동시에 수행할 수 있게 했습니다. 실험적 검증을 통해 이 방법이 기존 방식보다 뛰어남을 확인했고, 연구 방향을 전환하는 데 기여했습니다.
Q10. 본인이 생각하는 좋은 연구원 또는 개발자의 자세는 무엇인가요?
A10. 끊임
|
|
메뉴펼치기
