|
데이터(쟁점과 과제)」과학기술정책연구원
엄경희,오임경(2017)「빅데이터 기반 패션 큐레이션서비스 디자인 중요성에 관한 연구」한국디자인문화학회지, 23(4)
오효성,조성기,강창완,임동순(2010)「텍스트 마이닝을 이용한 Claim Data 분석」제1
|
|
|
Data Warehouse and OLAP
제 3장 : Data Preprocessiong
제 4장 : Data Mining Primitives, Languages, and System Architectures
제 5장 : Concept Description Characterization and Comparison
제 6장 : Mining Association Rules in Large Databases
제 7장 : Classification and Prediction
제 8장
|
|
|
데이터마이닝 의사결정나무분석 -』, 서울, SPSS 아카데미.
☆Michael J. A. Berry and Gordon Linoff (1997). Data Mining
Techniques for Marketing, Sales, and Customer Support, New
York: John Wiley & Sons, Inc.
☆Pieter Adriaans and Dolf Zantinge, (1998). 『데이타마이닝』,
서울, 그린.
★
|
|
|
데이터를 중앙으로 집중하여 저장한 것이다. 저장된 정보는 주제 중심적이고, 비휘발성이며 이력정보를 보유하므로 데이터 웨어하우스는 매우 방대한 데이터 집합을 보유하게 된다. 즉 데이터 웨어하우스는 데 이터마이닝의 과정을 지원하
|
|
|
데이터 마이닝」,『행정과전산』 82집(2000), pp.78∼79
.
VI. 현재 데이터베이스의 한계점
데이터 웨어하우스와 데이터 마이닝과 같이 전자적으로 축적되어 있는 데이터를 공유하고 이를 적극적으로 분석하여 활용하려는 정보기술은 주로 미국을
|
|
|
데이터마이닝의 기대효과 및 경영전략
(4) 퍼지로직의 기대효과 및 경영전략
1.2 각 방법론간의 차이점
2. BI기법의 제조업 적용
(1) 전문가시스템의 기대효과 및 경영전략
(2) 인공신경망의 기대효과 및 경영전략
(3) 데이터마이닝의 기
|
|
|
데이터 과학(Data Science), ② 데이터 애널리틱스(Data Analytics), ③데이터 분석(Data Analysis), ④인공지능(Artificial Intelligence), ⑤머신러닝(Machine Learning), ⑥딥러닝(Deep Learning)이 무엇인지 자세히 설명하시오.
1) 데이터 과학(Data Science)
2) 데이터 애널
|
|
|
데이터 4400만건 무료 개방, IT 조선, 2020
http://it.chosun.com/site/data/html_dir/2020/03/30/2020033005001.html Ⅰ. 서론
Ⅱ. 본론
1. 빅데이터란 무엇인가?
1-(1) 빅데이터의 특징
1-(2) 빅데이터 활용의 필요성
1-(3) 금융 산업에서 빅데이터 활용
|
|
|
DATA 개념과 특징
Ⅲ BIG DATA 구성요소
1) 데이터의 양
2) 데이터의 속도
3) 데이터의 다양성
4) 데이터의 복잡성
Ⅳ BIG DATA 분석기법
1) 데이터 마이닝
2) 텍스트 마이닝
3) 오피니언 마이닝
4) 웹마이닝
5) 소셜마이닝
6) 현실마이닝
Ⅴ
|
|
|
데이터 분석 활용 사례 18 목차
서론
본론
1, 인공지능과 데이터마이닝
2, 빅데이터(Big Data)의 활용 3, 빅데이터(Big Data)와 속도4, 빅데이터의 발달 영역
5, 국내 빅데이터 활용 사례
6, 개인정보와 프라이버시에 대한 고찰
결론
참고
|
|
메뉴펼치기
