이렇게 AI와 디지털 홈 기기가 만나면 우리 삶은 어떻게 변하게 될까요? 영상을 보시면서 한 번 상상해 보실까요?

1.개인정보보호(인권권의 보호)
2.정보의 신회성과 보호성
3.디지털 소통의 예의
4.지적재산권과 저작권 준수
5.디지털 접근성 보장

KBS창 가난한 노인의 낮과 밤

-분류 데이터가 어느 그룹에 속할지 예측하는것
정해진 카테고리 중 어디에 속하는지 예측
-회귀 어떤 데이터들의 특징(Feature)를 토대로 값을 예측하는 것 연속된 값(수치값)을 예측

-군집화 비슷한 데이터 끼리 그룹을 만드는 것
-연관분석 대량의 데이터에 숨겨진 항목간의 연관 규칙을 찾아내는 것

환경에 맞춰 학습

1.Standalone installer(default) 다운로드설치
2.오렌지3 관리자권한으로 실행
3.부가기능(Options ->Add-on)설치
Associate,Educational,Explain, Geo, Text, Time Series

국내 최대의 기사DB에 빅데이터 분석기술을 접목한 뉴스 분석 서비스

-사이트접속하고 구글 계정으로 로그인
-검색창에 '위기 가구' 입력 검색
-뉴스 분석 클릭
-데이터 다운로드 클릭
-관계도분석 클릭
-다운로드
-다운로드한 기사데이터 열기
-키워드 트랜드
-연관어 분석
-빅카운즈 로고 클릭
-빅카운즈 AI 체크(p161/s77)

[메인실습1-1] 발굴실적총괄표.csv
[메인실습1-2] 발굴실적총괄표_예측데이터.csv
[비정형데이터 실습] 교육 설문 결과.csv
[추가실습1] 교육 만족도 조사 결과.csv
[추가실습2] 어르신 급식 이용 만족도.csv
[추가실습3] 봉사자 활동 결과.csv
[추가실습4] Geo Map_세종특별자치시 노인복지시설 현황(2023.3.31.기준).xls

-'복지관 이용자' 검색
-광산구_노인복지관~ 다운로드 클릭
-파일 열어서 결측지/출생연도 확인

Type
-categorical 남자/여자
-numeric 20
-text 홍길동
-datetime 2015-05-18

Role
-feature 특성, 독립변수
-target 목표값, 종속변수
-meta 참조용 데이터
-skip 사용하지 않는 데이터

1)위젯 File(데이터 가져오기)
발굴실적총괄표.csv - 구조확인
2)위젯 Data Table(데이터 보기)
어떤값이 어떻게 들어있는지 확인
3)위젯 Feature Statistics(통계량 보기)
평균값, 최빈값 등을 확인
4)위젯 Distributions(월별 분포 보기)
발굴일자, 1개월 확인
5)위젯 Distributions(나이별 분포 보기)
나이, 밴드 10 확인
6)위젯 Distributions(유형별 분포 보기)
대상 유형 확인
7)위젯 Distributions(관계망 분포 보기)
관계망유무 확인
8)위젯 Pivot(피벗테이블)
Rows 발굴경로, Columns 성별 Count/Mean 확인
9)위젯 Box Plot
Variable 나이, Subgroups 발굴 경로 확인
10)위젯 Edit Domain→Group by→Data Table
동별욕구분포 확인
11)위젯 Edit Domain→Group by→Edit Domain
주소에서 '서울시 서초구' 삭제
12)위젯 Edit Domain→Group by→Edit Domain→Bar Plot
동별 욕구 분포 확인

·train.xls 모델을 학습시키기 위한 데이터
·test.xls 예측하기 위한 데이터
·회귀모델성능평가지표 보기
1)train 파일 읽기
2)y 를 target 으로 지정
3)test 파일 읽기

Logistics Regression 방문 확률이 0.5이상 방문으로, 0.5미만이면 미방문으로 예측
Random Forest 여러 Decision Trees의 아웃풋을 결합하여 단일 결과에 도달하는 알고리즘
Neural Network 인간 뇌의 작동 방식을 모방하여 패턴 인식 및 데이터 분류 작업을 수행하는 인공 지능의 기본 구조.
Test and Score

1)2차방문여부 를 target으로 지정
2)2차벙문여부 행만 선택
3)모델평가
4)모델평가 결과 확인
5)모델학습 Neural Network
6)예측데이터 가져오기
7)예측 및 결과 확인
-----------------------------------------------
1)지원규모(만원) 을 target으로 지정
2)지원규모(만원) 행만 선택
3)모델평가
4)모델평가 결과 확인
5)모델학습 Linear regression
6)예측데이터 가져오기
7)예측 결과 확인 및 저장

·분류와 군집화의 차이
·k-Means 중심점을 찾아감/중심점이 이동함
·DBSCAN 거리가 아니라 밀도를 기반으로 군집화

·Silhouette Score 실루엣 값은 개체가 다른 클러스터(seperation)에 비해 자신의 클러스터(cohesion)와 얼마나 유사한 지 측정
-----------------------------------------------
1)발굴실적총괄표 읽기
2)k-Means Silhouette Scores 2개 군집
3)Silhouettescore(1에 근접 군집화 잘됨)
4)Bar Plot - 군집1 과 군집2 확인
5)k-Means Silhouette Scores 4개 군집
6)Bar Plot - 군집1,2,3,4 확인
-----------------------------------------------
1)발굴실적총괄표 읽기
2)DBSCAN core point 4
3)Bar Plot 군집 확인
4)Data Table 군집 확인
5)Save Data 파일로 저장

1)교육 설문 결과 읽기
2)Sentimaent Analysis
3)Formula
4)Data Table
5)Distributions 확인

---------------------------------------------
1)File 교육 만족도 조사 결과2 읽기
2)File 연번,과목명 skip
  3,4컬럼 categorical로 변경
3)Feature Statistics 결측치 확인 및 처리
4)Edit Domain 1센터게시판,
  2SNS 온라인 ~ 변경
  + 담당 사회복지사 입력
5)Inpute 결측치 처리 - 평균값,최빈값
6)Distribution 빈도 확인
7)Data Table(Histogram Data)
---------------------------------------------
8)Group By
9)Edit Domain
10)Bar Plot

---------------------------------------------
1)File 어르신급식 이용 만족도 읽기
2)Select Rows
3)Data Table
3)Distributions
---------------------------------------------
2)Select Columns
3)Distributions

---------------------------------------------
1)File 봉사자 활동 결과 읽기
2)Pivot Table
2)Box Plot
3)Edit Domain
3)Bar Plot
---------------------------------------------
위촉일별 봉사자 수
1)File 봉사자 활동 결과 읽기
2)Group By
3)Line Chart

---------------------------------------------
1)File 복지시설현황 읽기
2)Geo Map