공부/인공지능11 AI 기술로 인한 마케팅 산업의 변화 AI의 발전은 마케팅 산업과 IT 산업에 광범위하고 심오한 변화를 가져오고 있습니다. 이러한 변화는 기술적 진보뿐만 아니라 인력 구성, 직업 역할, 업무 프로세스에도 영향을 미치며, 새로운 기술과 전략이 도입되고 있습니다. 마케팅 산업에서의 변화 개인화된 고객 경험: AI를 활용한 데이터 분석을 통해 고객의 선호도와 행동을 예측하고, 이를 바탕으로 맞춤형 마케팅 메시지와 제안을 제공합니다. 이는 고객 만족도를 높이고, 브랜드 충성도를 강화합니다. 챗봇과 가상 어시스턴트: 고객 서비스와 상호작용을 자동화하기 위해 챗봇과 가상 어시스턴트의 사용이 증가하고 있습니다. 이러한 기술은 24/7 고객 지원을 제공하며, 인력 비용을 절감합니다. 예측 분석: 마케팅 캠페인의 성공 가능성을 예측하고, 효과적인 마케팅 전.. 2024. 2. 18. Machine Learning - 투표기반 분류 모델 (Voting Classifiers) - Ensemble 앙상블 Machine Learning - 투표기반 분류 모델 (Voting Classifiers) - Ensemble 앙상블 투류 분류기 (Voting Classifier)란 투표 분류기는 다양한 기본 모델 또는 추정기를 훈련시키고 각 기본 추정기의 결과를 집계하는 것을 기반으로 예측하는 기계 학습 추정기입니다. 집계 기준은 각 추정기 출력에 대한 투표의 결합된 결정이 될 수 있습니다. 분류 모델의 두 가지 유형 (직접 투표, 간접 투표) 분류 문제에는 두 가지 유형의 투표가 있습니다. 직접 투표 (Hard Voting)와 간접 투표 (Soft Voting)가 있습니다. 직접 투표 (Hard Voting)는 가장 높은 투표 수로 예측을 선택하는 것을 수반하는 반면 간접 투표 (Soft Voting)는 각 모형의.. 2022. 5. 22. Can New Technologies Help Students? Can New Technologies Help Students? There is no shortage of opinion on students are living in a new technology era. I strongly agree with the statement that new technologies help students. The following paragraphs will explain my two major reasons for this opinion. First of all, students can acquire useful knowledge without the constraints of time and space. New technologies can serve as a virtu.. 2021. 3. 10. H20 Driverless AI (코딩 없이 인공지능! 머신러닝!) H20 Driverless AI (코딩 없이 인공지능! 머신러닝!) 2012년도 H20 (물) 이라는 소프트웨어 벤처기업이 캘리포니아에 설립되었습니다. 인도 출신 미국인 SRI AMBATI (스리 암바티)가 대표입니다. H20 Inc.에서 2016년도, 2017년도 드라이버가 필요없이 간단한 설정만으로 인공지능을 학습하고 예측할 수 있는 소프트웨어를 개발했습니다. 즉, 인공지능에 대한 지식이 부족하여도 좋은 모델을 누구나 이용할 수 있는 소프트웨어가 개발된 것입니다. 스리 암바티 대표는 인도에서 학부를 졸업하고 미국, 멤피스로 이주하여 석사 졸업한 이후 영주권, 시민권을 취득해서 현재는 미국인입니다. 미국내 H1B를 가장 많이 받는 인종이 인도인입니다. 인도에서도 유명한 대학을 졸업한 것이 아닙니다. 인.. 2021. 2. 15. Job Skills extraction with LSTM and Word Embeddings Job Skills extraction with LSTM and Word Embeddings 1. Abstract - 본 논문에서 직업 기술 (Jobs Skills) 추출 문제를 해결하기 위해 몇 가지 비지도 (Unsupervised) 및 지도 기계 학습 기법 (Supervised machine learning technique)을 비교했다. - 이 논문은 텍스트 문서에서 관련 기술을 추출하기 위해 워드 임베딩과 결합된 LSTM(Long Short Term Memory) 딥러닝 네트워크의 적용을 제안한다. 논문에서 제안된 접근 방식은 또한 아직 확인되지 않은 새로운 기술과 새로운 기술을 식별하는 것을 목표로 한다. 2. Introduction - 직무 기술 추출 (Job Skills extraction).. 2021. 1. 14. 블로그 댓글 개수 예측하기(using Random Forest) 블로그 댓글 개수 예측하기(using Random Forest) Blog Feedback Prediction 데이터 셋 출처 : https://archive.ics.uci.edu/ml/datasets/BlogFeedback 1. project description (프로젝트 개요) - problem statement 문제정의 : 지난 72시간 동안 올라온 블로그 글을 분석하여 24시간 이후 블로그에 달릴 댓글의 개수를 예측합니다. - motivation : 블로그 포스트를 이용하여 소셜 미디어 마케팅을 위한 가능한 인사이트를 얻는다. - method : 선형 회귀와 앙상블 학습 모델을 이용하여 블로그에 달릴 댓글의 개수를 예측합니다. 그리고 모델들의 효율을 R2와 평균 제곱오차 (MSE; mean squ.. 2021. 1. 13. 커리어넷 대학정보 크롤링하기 (feat. Python Selenium) 커리어넷 대학정보 크롤링하기 (feat. Python Selenium) 커리어넷 대학정보를 보면 출처: www.career.go.kr/cnet/front/base/school/schoolUniversityList.do 커리어넷 학교정보 페이지에 나와있는 테이블 크롤링할 것입니다. Google Colaboratory에서 진행했습니다. # Installing Libraries # Importing Libraries # Setting a Driver to Access to the Website # Finding a Table Tag 정직하게 table tag를 찾을 수 있습니다. 테이블 태그를 BeautifulSoup를 이용해서 잡아와봅시다. T A B L E 번호, 학교명, 학교종류, 학교유형, 설립, 지역.. 2020. 12. 30. 파킨스 텔레모니터링 데이터 셋 분석과 모델 훈련 (feat. 랜덤 포레스트) 파킨스 텔레모니터링 데이터 셋 분석 (Parkins Telemonitoring Data Set Analysis and Model Training) 데이터 셋 (Data Set) 목표 : predict the values for motor_UPDRS and total_UPDRS 데이터 셋은 옥스포드 대학의 Athanasios Tsanas와 Max Little이 음성 신호를 녹음하기 위해 원격 모니터링 장치를 개발한 미국 및 인텔의 10개 의료 센터와 협력하여 만들었습니다. 원래 연구는 UPDRS 임상의사의 파킨슨병 증상 점수를 예측하기 위해 다양한 선형 및 비선형 회귀 방법을 사용했다. 출처 : archive.ics.uci.edu/ml/datasets/Parkinsons+Telemonitoring 데이터 .. 2020. 12. 23. BlogFeedback 피쳐셀렉션 (Feature Selection) (feat. Lasso, Ridge) BlogFeedback 피쳐셀렉션 (Feature Selection) (feat. Lasso, Ridge) 데이터 셋 (Data Set) 출처 (Source) : archive.ics.uci.edu/ml/datasets/BlogFeedback 열이 218개가 있을 정도로 아주 큰 데이터입니다. 데이터를 이루는 각 열의 attribute를 확인하겠습니다. 열이 281개로 이렇게 많은 데이터 셋은 다뤄본 적이 없는데 처음에 많이 당황했습니다. 그래도 각 열에 대한 설명이 있기 때문에 다행이네요. 이렇게 열이 많이 있을 때 어떤 columns를 이용해서 마지막 열인 댓글 수를 예측해야 할 지 모릅니다. 그러므로, 우리는 마지막 열과 상관관계가 높은 열들만 골라서 예측을 진행해볼 것입니다. 그리고 우리는 이것을.. 2020. 12. 21. 이전 1 2 다음
