4월3일

1. 웹,앱 크로스 플랫폼

2. AI 프로젝트 사이클

   문제범위설정 - 문제에 대한 이해, 고객 요구사항 수집, 고객 가설 정리, 프로젝트 목표 정의

   데이터 획득 - 어떤 데이터 수집할지 결정, 데이터 수집 방법 확인, 데이터 수집 진행

         엣지컴퓨팅 : 핸드폰 회사는 핸드폰, 클라우드 회사는 단말기, 
         인공지능 엣지 -> 초기 생성된 데이터가 저장된 디바이스
         엣지 상대 개념 -> 백엔드, 인프라, 클라우드
         클라우드 등에 저장한다면 비용, 보안 리스크
         엣지 컴퓨팅에서 1차 가공 ( 저장된 디바이스) 의미있는 데이터만 추출 후 전송 -> 클라우드


*데이터 탐색 - 데이터 특성과 분포 이해, 시각화로 데이터 분포 확인, 이상치, *결측값 파악
데이터 기술 통계량 계산, 데이터 상관 관계 분석, 데이터 이상치 탐지


모델링 - 사용할 머신러닝, 알고리즘을 선택하고, 데이터를 이용해 모델을 학습
Logistic Regression, Decision Tree, Deep Learning 등


평가 - 개발한 인공지능 모델이 효과적으로 수행되는지 확인, 성능 평가, 자원 사용량 평가 등


배포 - 개발된 AI 모델을 실제 환경에서 사용할 수 있도록 전개하는 단계, 
기존 시스템과 통합 혹은 인프라 구축
테스트, 모니터링

3. 4W -  Who, Why, Where, What

4. Orange3

*5. 기계학습 모델
지도학습 비지도학습 강화학습

객체 -> 데이터 -> 모델 -> 테스트데이터 + 모델 -> 결과


열선택 - 고유명사 제거

**데이터샘플러 - 과적합

ex ) age

뉴메릭 = 100살은 100배 vs 카테고리칼 = 1~100살

metas를 넣는 이유는 고유명사? 분류를 위해 넣는것