정보처리학회2018-김상범

Size: px
Start display at page:

Download "정보처리학회2018-김상범"

Transcription

1 검색기술트렌드와네이버의연구현황 김상범 / Director of Search Quality

2 DISCLAIMER 본발표내용에는개인적인의견이나주장이포함되어있을수있으며이는회사의공식적입장과는무관합니다.

3 Outline 전세계의미있는검색서비스 7개 검색서비스를만드는과정 검색엔진핵심모듈 : Matching & Ranking Take Home Message

4 Google 전세계의미있는검색서비스 7 개

5 전세계의미있는검색서비스 7 개 Bing : 인터넷익스플로러를기반으로 Google 추격? -

6 Yahoo 전세계의미있는검색서비스 7 개

7 Baidu 전세계의미있는검색서비스 7 개

8 전세계의미있는검색서비스 7 개 Yandex : Google 이추격중 ( 2 년동안 23% 차 à 8% 차 )

9 전세계의미있는검색서비스 7 개 Seznam : 체코의검색서비스. 하락세 년경부터역전. 현재 7:3 으로구글우세

10 전세계 의미있는 검색서비스 7개 네이버

11 웹검색이뉴스검색, 블로그검색과다른점 뉴스 / 블로그 웹 검색대상의양과위치 대략알수있음 얼마나많은문서가어디에있는지파악자체가어려움 검색컨텐츠의품질일정부분관리가능관리불가능 사용자가원하는문서여러좋은문서중몇개오직그웹페이지

12 웹검색이뉴스검색, 블로그검색과다른점

13 검색서비스를개발하는과정 먼저가이드라인에따른기계학습용학습데이터를구축하고, ➀ 네이버가지향하는좋은검색결과에대해논의 ➁ 검색평가가이드라인 Ex) 사용자가입력한질의에대해입력시점에서중요한내용을많이포함하고있으면좋은문서 사용자가입력한질의에대해입력시점에서중요한내용은별로없고이상한곳으로연결되는링크만있으면나쁜문서 ➃ 학습용데이터집합 ➂ 가이드라인에따른평가 Ex) 2017 년 11 월 13 일오후 6 시에입력된 페미니스트 라는질의에대하여 doc0001 : 5 점 doc0002 : 2 점 doc0003 : 3 점 doc0004 : 1 점

14 검색서비스를개발하는과정 기계학습알고리즘을이용하여검색랭킹모듈을학습 Ex) 질의가제목에매치된빈도제목전체에서질의와매치된비율질의가본문에매치된빈도질의내단어별본문매치빈도의분산해당사이트의신뢰도해당도메인의남은유효기간 5 엔지니어들의시그널발굴 서비스적용여부판단 뉴스검색학습용데이터집합 ➅ 실험데이터생성및기계학습실행 A/B online test 적합문서 새로운모델 부적합문서

15 랭킹모듈을 학습 한다? Learning-to-Rank -

16 전형적인기계학습의예 만일아래와같이입력에대해출력값을내주는 x1 x2 f 함수 f 의 w1, w2 를구하려면? - f = x1*w1 + x2*w2

17 전형적인기계학습의예 만일아래와같이입력에대해출력값을내주는 x1 x2 f 함수 f 의 w1, w2 를구하려면? - f = x1*w1 + x2*w

18 전형적인기계학습의예 만일아래와같이입력에대해출력값을내주는 x1 x2 f 함수 f 의 w1, w2 를구하려면? - f = x1*w1 + x2*w x1 x2 f

19 기계학습을구성하는두파트 벡터로만들어진학습데이터 x1 x2 f 학습알고리즘 - 신경망, 결정트리, 로지스틱회귀분석등 - 모두오픈되어있고각기업은다양한실험을통해적합한알고리즘을찾고조금씩튜닝

20 검색랭킹기계학습을구성하는두파트 벡터로만들어진검색랭킹용학습데이터 x1 x2 f

21 검색랭킹기계학습을구성하는두파트 벡터로만들어진검색랭킹용학습데이터 x1 x2 f x1 = x2 =

22 검색랭킹기계학습을구성하는두파트 벡터로만들어진검색랭킹용학습데이터 x1 x2 f x1 = x2 =

23 랭킹시그널을비밀로하는이유 좋은랭킹시그널을발견하는것은엔지니어의몫 랭킹시그널을공개하면, 그랭킹시그널은빠른시일내에무력화되므로, 새로운시그널을개발해야함 엔지니어들은점점힘들어지고, 좋은서비스를만들기는점점어려워짐

24 랭킹시그널을비밀로하는이유 - 설리번 : 200 개정도시그널을쓴다고했는데왜얘기안해주나? - 슈미트 : 계속바뀌고 우리가힘들어지니까안된다 - 설리번 : 뭐가중요한지이런건아니더라도그냥리스트만.. - 슈미트 : 리스트도안된다 - 설리번 : 한 50 개는계속안변하고쓰지않냐? - 슈미트 : 아무튼비밀이다 - 블룸버그기자 : 너무개방적이지않은모습아닌가? - 슈미트 : 그럼블룸버그는얼마나개방적인지같이얘기해볼까?

25 랭킹시그널을체계적방식으로추정 : SEO Business

26 검색서비스를개발하는과정 : wrap up ➀ 네이버가지향하는좋은뉴스검색결과에대해논의 ➁ 검색평가가이드라인 ➃ 학습용데이터집합 ➂ 가이드라인에따른평가 서비스적용여부판단 5 엔지니어들의시그널발굴 ➅ 실험데이터생성및기계학습실행 A/B online test 새로운모델

27 랭킹성능은어떻게구하고실제로어느정도인가? 이상적인랭킹 : 5, 4, 3, 2, 1 - DCG = 5 + 4/log_2(3) + 3/log_2(4) + 2/log_2(5) + 1/log_2(6) = ndcg = / = 1 만일 A 방법으로한랭킹이 5, 4, 3, 1, 2 라면 - DCG = 5 + 4/log_2(3) + 3/log_2(4) + 1/log_2(5) + 2/log_2(6) = ndcg = 10.23/10.27 = 만일 B 방법으로한랭킹이 4, 5, 3, 2, 1 라면 - DCG = 4 + 5/log_2(3) + 3/log_2(4) + 1/log_2(5) + 2/log_2(6) = ndcg = 8.27/10.27 = 0.805

28 랭킹성능은어떻게구하고실제로어느정도인가? Yahoo 에서주관한 Learning-to-rank challenge (2011 년 )

29 랭킹성능은어떻게구하고실제로어느정도인가? Yahoo 에서주관한 Learning-to-rank challenge (2011 년 ) 랭킹이이상한건조작이아니라기술력의한계때문으로이해해주셔야합니다

30 검색엔진핵심모듈 : Matching and Ranking Doc 1 입력질의 matcher Doc 2 Doc 3 Doc 4 Doc 5 검색결과 ranker features... Doc N

31 검색엔진핵심모듈 : Matching and Ranking Doc 1 입력질의 matcher Doc 2 Doc 3 Doc 4 Doc 5 검색결과 ranker features... Doc N

32 Matching 사용자가입력한질의와관련이있는문서를일단모두추려내는일로, 색인 (Indexing) 에의해가능 년, Taube 등에의해처음제안됨. 그전까지는, 많은문서들은카테고리코드를부착하는식으로관리되었음. - 그당시는매우급진적인아이디어로인식되었으나, 현재는너무당연한구조로받아들여짐.

33 Matching 현재까지는단어기반매칭이주류 단어기반매칭은형태론적분석, 동의어처리가도전과제 - university / universities, rewritten / rewriting - 대학생선교회 / 대학주변교회 - 이탈리아 / 이태리, UN / United Nations, to be or not to be 그외에질의오류교정등의기술이서비스에적용됨

34 Semantic Matching 질의단어를조금다르게입력해도잘검색이될수있도록!

35 Semantic NAVER Doc 1 입력질의 matcher Doc 2 Doc 3 Query Rewrite 동일하거나유사한의미의질의를자동으로생성하여동시에같이검색 Doc 4 Doc 5... Document Expansion 문서에없는단어도일부추가하여매칭이일어나게함 Doc N

36 Document Expansion QueryText = 사용자가문서를클릭했을때이용한쿼리

37 Document Expansion QueryText 는검색에서중요한시그널로사용됨 2198 # 롯데월드이용요금 # 롯데월드이용요금 # 롯데월드입장료

38 Document Expansion 클릭그래프에서이웃간에는관련성이있지않을까? 2198 # 롯데월드이용요금 # 롯데월드입장료 # 롯데월드이용요금 # 롯데월드입장료

39 Document Expansion 질의와문서를노드, 클릭발생을간선으로하여그래프를구성 그래프의모든노드를벡터로임베딩 word2vec과의 analogy : word2vec 에서의단어 ~ 주변단어 à node2vec 에서의노드 ~ 주변노드 클릭은매일엄청나게발생하므로, incremental 한 embedding 진화가중요 node2vec: Scalable Feature Learning for Networks. A. Grover, J. Leskovec. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), 2016.

40 Document Expansion 앞의방식은클릭이어느정도존재해야가능하다는문제가ㅠ

41 자동번역기법을응용해보자! Document Expansion - Click Graph Embedding 에의해발견된유사질의쌍을바탕으로 롯데월드이용요금 에버랜드이용요금 에코랜드이용요금할인 롯데월드입장료 에버랜드입장료 에코랜드입장료할인 - 자동번역기법 (SMT/NMT) 을활용하여유사질의를생성 대구이랜드이용요금???

42 자동번역기법을응용해보자! Document Expansion - Click Graph Embedding 에의해발견된유사질의쌍을바탕으로 롯데월드이용요금 에버랜드이용요금 에코랜드이용요금할인 롯데월드입장료 에버랜드입장료 에코랜드입장료할인 - 자동번역기법 (SMT/NMT) 을활용하여유사질의를생성 대구이랜드이용요금 대구이랜드입장료 - 수줍게 문서에넣어보고... 클릭이발생하면... CGE 로선순환 - 클릭이발생하지않으면... negative example

43 잠깐! 왜딥러닝기반번역이떴을까? 롯데월드이용요금에버랜드이용요금에코랜드이용요금할인대구이랜드이용요금 롯데월드입장료에버랜드입장료에코랜드입장료할인대구이랜드입장료 렌터카이용요금렌터카???

44 잠깐! 단어의의미가벡터로임베딩되는특징때문 롯데월드이용요금에버랜드이용요금에코랜드이용요금할인대구이랜드이용요금 롯데월드입장료에버랜드입장료에코랜드입장료할인대구이랜드입장료 렌터카이용요금 렌터카이용료 파리지하철이용요금 한강유람선이용요금 파리지하철이용료 한강유람선이용료

45 검색엔진핵심모듈 : Matching and Ranking Doc 1 입력질의 matcher Doc 2 Doc 3 Doc 4 Doc 5 검색결과 ranker features... Doc N

46 Ranking : Old Approaches Vector Space Model (1975 년 )

47 Ranking : Old Approaches 1. 한계효용의법칙 2. 여러단어질의에대한 and/or 제어

48 Ranking : Old Approaches Language Model based IR (1998) üsimple smoothing ülda (2006)

49 2000 년대초반학교밖세상에는... 인터넷에데이터가폭발적으로늘어나기시작 야후, 구글, 네이버, 다음등검색서비스업체들이자리잡음 사람들이검색서비스를통해인터넷에서무언가를뒤지기시작 데이터 ( 문서, 클릭로그 ) 가쌓임 기계학습전공자들은데이터를보면흥분함

50 검색은전형적인기계학습문제아닌가! 실제로좋은검색결과를만들기위해많은시그널 ( 피쳐 ) 을사용 - 질의에있는단어가얼마나많이, 또얼마나가깝게나타났는가? - 많은사람들이보았거나링크를걸었는가? - 다른사람이어떤단어로링크를걸었는가? - 문서를작성한사람이과거에스팸작성자로경고조치됐었는가? - 언제만들어진문서인가? - 몇명이조회한문서인가? - 문서의제목과본문의관련성은높은가? ( 노이즈는좀있지만 ) 비교적대규모의학습집합을구축하게됨 - 클릭여부와그위치 ( 랭크 ) - Last Click - Quick Close

51 Learning-to-Rank Overview Feature vector 생성의예 = 한국경제전망 = [ 0.66, 2, 0.08, 1, 3, 1, 0, 4.2, 25, 0.43 ] 질의단어중제목에나타난단어의비율제목에출현한질의단어의총합질의단어별 본문출현빈도 / 본문길이 의합질의단어중본문에나타난단어의비율 질의의단어수전문정보를찾는질의인가? 질의에연예인이름이포함되어있나? 문서가포함된사이트의 Site Authority 문서의나이 (Age) 문서의품질 (Quality)

52 Learning-to-Rank Overview

53 Problem Definition Ranking SVM

54 Ranking SVM Solution Slack variable 의도입 è 틀린정도 도모델링 C 는 overfitting 을제어하는 hyperparameter

55 Ranking SVM : 한계 Problems - Error 에도그중요도가있는데반영을못한다 ( 검색의특수성을반영한평가척도를직접최적화하지는못함 ) - Query 별 labeled 문서수에따라 bias 가생길수있다

56 Ranking SVM : 한계 Problems - Error 에도그중요도가있는데반영을못한다 ( 검색의특수성을반영한평가척도를직접최적화하지는못함 ) 최적 모델 1 모델 Query 별 labeled 문서수에따라 bias 가생길수있다

57 Ranking SVM : 한계 Problems - Error 에도그중요도가있는데반영을못한다 ( 검색의특수성을반영한평가척도를직접최적화하지는못함 ) 최적 모델 1 모델 Query 별 labeled 문서수에따라 bias 가생길수있다 Q1 : à = 14 개의학습용 pairwise data 생성 Q2 : à = 31 개의학습용 pairwise data 생성

58 Ranking SVM : 한계 Problems - Error 에도그중요도가있는데반영을못한다 ( 검색의특수성을반영한평가척도를직접최적화하지는못함 ) 최적 모델 1 모델 Query 별 labeled 문서수에따라 bias 가생길수있다 Q1 : à = 14 개의학습용 pairwise data 생성 Q2 : à = 31 개의학습용 pairwise data 생성 개선된 RankSVM 이나 Listwise 접근법등다양한연구가진행됨

59 더근본적인한계 1 : One size NEVER fits all! 모든유형의질의에걸맞는단하나의랭킹함수는존재하기어려움

60 더근본적인한계 2 : 랭킹 만잘하면되나? 랭킹뿐아니라, 그결과가얼마나적합한지도알아야함

61 Ranking and Regression : GBRT Regression Tree Regression Tree Ensemble SVM, NN, LR 같이학습방법이잘연구되어온 Numerical vector/matrix 기반 classifier 가아니라서 학습방법자체가큰연구토픽

62 Ranking and Regression : GBRT GBRT (Gradient Boosted Regression Tree)

63 Ranking and Regression : GBRT GBRT (Gradient Boosted Regression Tree)

64

65 일단샘플데이터로돌려보고, 괜찮다싶으면우리데이터로도돌려보면서감잡고, 이거다싶으면좀더개념을파보고, 필요하면코드도분석하고수정해서쓰거나새로만들기도하고...

66 새로운시도들 질의 : Bhaskar Mitra, Fernando Diaz and Nick Craswell. Learning to Match using Local and Distributed Representations of Text for Web search, WWW 2017

67 새로운시도들 질의 : Bhaskar Mitra, Fernando Diaz and Nick Craswell. Learning to Match using Local and Distributed Representations of Text for Web search, WWW 2017

68 새로운시도들 Bhaskar Mitra, Fernando Diaz and Nick Craswell. Learning to Match using Local and Distributed Representations of Text for Web search, WWW 2017

69 새로운시도들 Bhaskar Mitra, Fernando Diaz and Nick Craswell. Learning to Match using Local and Distributed Representations of Text for Web search, WWW 2017

70 Take Home Message 전세계에서검색서비스를제공하는회사는얼마안남았고, 네이버는살아남기위해불철주야열심히노력하고있습니다. 검색에서가장중요하고도비밀스러운부분은어떤랭킹시그널을사용하는지입니다. 사용자가적당히검색창에입력해도잘검색될수있도록, 정확하게단어가일치하지않아도잘매치시킬수있는방법을연구하고있습니다. 끊임없이개발되고있는랭킹알고리즘들을섭렵하고실험하며서비스에맞게변형시키고적용하는일을많은엔지니어들이하고있습니다.

71 Take Home Message We are hiring!

72 감사합니다

ai-for-search5-public

ai-for-search5-public 좋은 검색서비스를 만들기 위한 기계학습의 활용사례 김상범 2016. 6. Contents 1. 네이버? 2. 검색서비스? 3. 기계학습 활용사례 Ranking Sequence Labeling Text/Query Mining Vision-Text Collaboration Recommendation 검색서비스? Coverage Efficiency Effectiveness

More information

160322_ADOP 상품 소개서_1.0

160322_ADOP 상품 소개서_1.0 상품 소개서 March, 2016 INTRODUCTION WHO WE ARE WHAT WE DO ADOP PRODUCTS : PLATON SEO SOULTION ( ) OUT-STREAM - FOR MOBILE ADOP MARKET ( ) 2. ADOP PRODUCTS WHO WE ARE ADOP,. 2. ADOP PRODUCTS WHAT WE DO ADOP,.

More information

빅데이터_DAY key

빅데이터_DAY key Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020

More information

슬라이드 1

슬라이드 1 ment Perspective (주)아임굿은 빅데이터 기술력, 반응형웹 제작, 온라인마케팅 노하우를 겸비한 IT 솔루션개발 및 마케팅 전문 기업입니다. 웹 정보를 수집하는 크롟링 시스템과 대량의 데이터를 처리하는 빅데이터 기술을 통해 쉽게 지나칠 수 있는 정보를 좀 더 가치있고 흥미로운 결과물로 변화하여 고객에게 제공하고 있습니다. 또한 최근 관심이 높아지고

More information

XSS Attack - Real-World XSS Attacks, Chaining XSS and Other Attacks, Payloads for XSS Attacks

XSS Attack - Real-World XSS Attacks, Chaining XSS and Other Attacks, Payloads for XSS Attacks XSS s XSS, s, May 25, 2010 XSS s 1 2 s 3 XSS s MySpace 사건. Samy (JS.Spacehero) 프로필 페이지에 자바스크립트 삽입. 스크립트 동작방식 방문자를 친구로 추가. 방문자의 프로필에 자바스크립트를 복사. 1시간 만에 백만 명이 친구등록. s XSS s 위험도가 낮은 xss 취약점을 다른 취약점과 연계하여

More information

1

1 2/33 3/33 4/33 5/33 6/33 7/33 8/33 9/33 10/33 11/33 12/33 13/33 14/33 15/33 16/33 17/33 5) 입력을 다 했으면 확인 버튼을 클릭합니다. 6) 시작 페이지가 제대로 설정이 되었는지 살펴볼까요. 익스플로러를 종료하고 다시 실행시켜 보세요. 시작화면에 야후! 코리아 화면이 뜬다면 설정 완료..^^

More information

슬라이드 1

슬라이드 1 빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 9 주차 예측모형에대한평가 Assessment of Predictive Model 최종후, 강현철 차례 6. 모형평가의기본개념 6.2 모델비교 (Model Comparison) 노드 6.3 임계치 (Cutoff) 노드 6.4 의사결정 (Decisions) 노드 6.5 기타모형화노드들

More information

Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi

Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi 머신러닝의학습방법들 - Gradient descent based learning - Probability theory based learning - Information theory based learning - Distance

More information

슬라이드 1

슬라이드 1 4. Mobile Service Technology Mobile Computing Lecture 2012. 10. 5 안병익 (biahn99@gmail.com) 강의블로그 : Mobilecom.tistory.com 2 Mobile Service in Korea 3 Mobile Service Mobility 4 Mobile Service in Korea 5 Mobile

More information

Your title goes here

Your title goes here www.cd-adapco.com Surface Preparation and Meshing 2012 년 5 월 8 일 CD-adapco Korea Introduction Surface Preparation STAR-CCM+ 3D CAD Model Indirect Mapped Interface Surface Preparation Workflow Overview[STAR-CCM]

More information

3. 네이버검색 제 3장에서는네이버검색서비스에대한내용을살펴본다. 네이버검색은네이버에서가장대표적인서비스이다. 네이버검색서비스는계속진화하여다양하고정교한검색방법을제공하고, 다양한영역에서추출된검색결과를제공하고있다. 특히다양한영역의검색결과를한꺼번에보여주는 통합검색 방식은네이버검

3. 네이버검색 제 3장에서는네이버검색서비스에대한내용을살펴본다. 네이버검색은네이버에서가장대표적인서비스이다. 네이버검색서비스는계속진화하여다양하고정교한검색방법을제공하고, 다양한영역에서추출된검색결과를제공하고있다. 특히다양한영역의검색결과를한꺼번에보여주는 통합검색 방식은네이버검 3. 네이버검색 제 3장에서는네이버검색서비스에대한내용을살펴본다. 네이버검색은네이버에서가장대표적인서비스이다. 네이버검색서비스는계속진화하여다양하고정교한검색방법을제공하고, 다양한영역에서추출된검색결과를제공하고있다. 특히다양한영역의검색결과를한꺼번에보여주는 통합검색 방식은네이버검색의특징으로거론되는부분이다. 이는이용자가검색어를입력했을때, 그결과값을보여주는데있어네이버안의주요한서비스를활용해서통합적으로보여주는방식을뜻한다.

More information

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구 Siamese Neural Network 박천음 강원대학교 Intelligent Software Lab. Intelligent Software Lab. Intro. S2Net Siamese Neural Network(S2Net) 입력 text 들을 concept vector 로표현하기위함에기반 즉, similarity 를위해가중치가부여된 vector 로표현

More information

DIY 챗봇 - LangCon

DIY 챗봇 - LangCon without Chatbot Builder & Deep Learning bage79@gmail.com Chatbot Builder (=Dialogue Manager),. We need different chatbot builders for various chatbot services. Chatbot builders can t call some external

More information

Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터

Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터 Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터정보를 annotation하고, 다른소스로부터가져온데이터를 VectorNTI 내부포맷으로저장시킨다.

More information

<313120C0AFC0FCC0DA5FBECBB0EDB8AEC1F2C0BB5FC0CCBFEBC7D15FB1E8C0BAC5C25FBCF6C1A42E687770>

<313120C0AFC0FCC0DA5FBECBB0EDB8AEC1F2C0BB5FC0CCBFEBC7D15FB1E8C0BAC5C25FBCF6C1A42E687770> 한국지능시스템학회 논문지 2010, Vol. 20, No. 3, pp. 375-379 유전자 알고리즘을 이용한 강인한 Support vector machine 설계 Design of Robust Support Vector Machine Using Genetic Algorithm 이희성 홍성준 이병윤 김은태 * Heesung Lee, Sungjun Hong,

More information

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월 지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월 김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월 Support

More information

딥러닝 첫걸음

딥러닝 첫걸음 딥러닝첫걸음 4. 신경망과분류 (MultiClass) 다범주분류신경망 Categorization( 분류 ): 예측대상 = 범주 이진분류 : 예측대상범주가 2 가지인경우 출력층 node 1 개다층신경망분석 (3 장의내용 ) 다범주분류 : 예측대상범주가 3 가지이상인경우 출력층 node 2 개이상다층신경망분석 비용함수 : Softmax 함수사용 다범주분류신경망

More information

김기남_ATDC2016_160620_[키노트].key

김기남_ATDC2016_160620_[키노트].key metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational

More information

Introduction to Deep learning

Introduction to Deep learning Introduction to Deep learning Youngpyo Ryu 동국대학교수학과대학원응용수학석사재학 youngpyoryu@dongguk.edu 2018 년 6 월 30 일 Youngpyo Ryu (Dongguk Univ) 2018 Daegu University Bigdata Camp 2018 년 6 월 30 일 1 / 66 Overview 1 Neuron

More information

Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft s Bing Search Engine Thore Graepel et al., ICML, 2010 P

Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft s Bing Search Engine Thore Graepel et al., ICML, 2010 P Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft s Bing Search Engine Thore Graepel et al., ICML, 2010 Presented by Boyoung Kim April 25, 2018 Boyoung Kim

More information

297-315(316)--14-......=.hwp

297-315(316)--14-......=.hwp 검색 포털들의 검색어 추천 서비스 분석 평가: 네이버와 구글의 연관 검색어 서비스를 중심으로 * Analysis and Evaluation of Term Suggestion Services of Korean Search Portals: The Case of Naver and Google Korea 박소연 (Soyeon Park)** 초 록 본 연구에서는 주요

More information

<4D6963726F736F667420576F7264202D20B1E2C8B9BDC3B8AEC1EE2DC0E5C7F5>

<4D6963726F736F667420576F7264202D20B1E2C8B9BDC3B8AEC1EE2DC0E5C7F5> 주간기술동향 2016. 5.18. 컴퓨터 비전과 인공지능 장혁 한국전자통신연구원 선임연구원 최근 많은 관심을 받고 있는 인공지능(Artificial Intelligence: AI)의 성과는 뇌의 작동 방식과 유사한 딥 러닝의 등장에 기인한 바가 크다. 이미 미국과 유럽 등 AI 선도국에서는 인공지능 연구에서 인간 뇌 이해의 중요성을 인식하고 관련 대형 프로젝트들을

More information

게시판 스팸 실시간 차단 시스템

게시판 스팸 실시간 차단 시스템 오픈 API 2014. 11-1 - 목 차 1. 스팸지수측정요청프로토콜 3 1.1 스팸지수측정요청프로토콜개요 3 1.2 스팸지수측정요청방법 3 2. 게시판스팸차단도구오픈 API 활용 5 2.1 PHP 5 2.1.1 차단도구오픈 API 적용방법 5 2.1.2 차단도구오픈 API 스팸지수측정요청 5 2.1.3 차단도구오픈 API 스팸지수측정결과값 5 2.2 JSP

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 [ 인공지능입문랩 ] SEOPT ( Study on the Elements Of Python and Tensorflow ) 인공지능 + 데이터분석목적 / 방법 / 기법 / 도구 + Python Programming 기초 + NumpyArray(Tensor) youngdocseo@gmail.com 1 *3 시간 / 회 구분일자내용비고 1 회 0309

More information

자궁내막증 진단과 추적에서의 혈액 표지자의 유용성

자궁내막증 진단과 추적에서의  혈액 표지자의 유용성 Use of reference searching and managing tools Chonnam National University Medical School Department of Obstetrics and Gynecology 강우대 PubMed as searching tool Mendeley as managing tool PubMed as searching

More information

Overview Decision Tree Director of TEAMLAB Sungchul Choi

Overview Decision Tree Director of TEAMLAB Sungchul Choi Overview Decision Tree Director of TEAMLAB Sungchul Choi 머신러닝의학습방법들 - Gradient descent based learning - Probability theory based learning - Information theory based learning - Distance similarity based

More information

3 Gas Champion : MBB : IBM BCS PO : 2 BBc : : /45

3 Gas Champion : MBB : IBM BCS PO : 2 BBc : : /45 3 Gas Champion : MBB : IBM BCS PO : 2 BBc : : 20049 0/45 Define ~ Analyze Define VOB KBI R 250 O 2 2.2% CBR Gas Dome 1290 CTQ KCI VOC Measure Process Data USL Target LSL Mean Sample N StDev (Within) StDev

More information

Software Requirrment Analysis를 위한 정보 검색 기술의 응용

Software Requirrment Analysis를 위한 정보 검색 기술의 응용 EPG 정보 검색을 위한 예제 기반 자연어 대화 시스템 김석환 * 이청재 정상근 이근배 포항공과대학교 컴퓨터공학과 지능소프트웨어연구실 {megaup, lcj80, hugman, gblee}@postech.ac.kr An Example-Based Natural Language System for EPG Information Access Seokhwan Kim

More information

로거 자료실

로거 자료실 redirection 매뉴얼 ( 개발자용 ) V1.5 Copyright 2002-2014 BizSpring Inc. All Rights Reserved. 본문서에대한저작권은 비즈스프링 에있습니다. - 1 - 목차 01 HTTP 표준 redirect 사용... 3 1.1 HTTP 표준 redirect 예시... 3 1.2 redirect 현상이여러번일어날경우예시...

More information

1~10

1~10 24 Business 2011 01 19 26 Business 2011 01 19 2011 01 19 Business 27 28 Business 2011 01 19 2011 01 19 Business 29 30 Business 2011 01 19 2011 01 19 Business 31 32 Business 2011 01 19 2011 01 19 Business

More information

슬라이드 1

슬라이드 1 웹 2.0 분석보고서 Year 2006. Month 05. Day 20 Contents 1 Chapter 웹 2.0 이란무엇인가? 웹 2.0 의시작 / 웹 1.0 에서웹 2.0 으로 / 웹 2.0 의속성 / 웹 2.0 의영향 Chapter Chapter 2 3 웹 2.0 을가능케하는요소 AJAX / Tagging, Folksonomy / RSS / Ontology,

More information

Ch 1 머신러닝 개요.pptx

Ch 1 머신러닝 개요.pptx Chapter 1. < > :,, 2017. Slides Prepared by,, Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 1.1 3 1.2... 7 1.3 10 1.4 16 1.5 35 2 1 1.1 n,, n n Artificial

More information

15인플레이션01-목차1~9

15인플레이션01-목차1~9 ISSN 87-381 15. 1 15. 1 13 1 1.3 1. 1.8 1.5 1. 1.1 () 1.5 1..1 1.8 1.7 1.3 () 1..7.6...3 (). 1.5 3.6 3.3.9. 6.3 5.5 5.5 5.3.9.9 ().6.3.. 1.6 1. i 6 5 6 5 5 5 3 3 3 3 1 1 1 1-1 -1 13 1 1).6..3.1.3.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 검색엔진마케팅활용전략 이씨이십일조상용팀장 Search Engine Marketing? 검색의대중화 소비자검색경향 검색엔진마케팅의중요성 전세계인터넷이용자의 95% 이상이검색엔진을통해새로운정보를수집 바이어가상품소싱때검색엔진활용 검색엔진사용자의 90% 는오직 3 페이지이내의검색결과만클릭하며 36% 는상위결과가최고의브랜드라고생각 검색결과 3 페이지안에노출되지못하면바이어가우리회사의홈페이지를찾아오기어려움

More information

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, 2018 1 1.1 Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 6.5에서 찾아볼 수 있다. http://incompleteideas.net/book/bookdraft2017nov5.pdf

More information

PowerPoint Presentation

PowerPoint Presentation Dependency Parser 자연언어처리 Probabilistic CFG (PCFG) - CFG - PCFG with saw with saw astronomers ears saw stars telescope astronomers ears saw stars telescope PCFG example Repeated work Parsing PCFG: CKY CKY

More information

경북인터넷검색엔진마케팅서비스 사업설명회

경북인터넷검색엔진마케팅서비스 사업설명회 제2기 현장무역실습 Step 14. 글로벌검색엔진마케팅 2009. 03 강의목표 1. 본 과정을 통해 국내 검색엔진 과 글로벌 검색엔진 의 서비스 운영형태 및 차이점을 명확히 이해한다. 2. 글로벌검색엔진을 활용하여 해외 경쟁기업 홈페이지를 분석하 여, 협력업체 홈페이지 개선 Benchmarking 요소로 활용해 본다. 2 Index I. 검색엔진 마케팅이란?

More information

<BFACB1B831382D31355FBAF2B5A5C0CCC5CD20B1E2B9DDC0C720BBE7C0CCB9F6C0A7C7E820C3F8C1A4B9E6B9FD20B9D720BBE7C0CCB9F6BBE7B0ED20BFB9C3F8B8F0C7FC20BFACB1B82D33C2F7BCF6C1A E687770>

<BFACB1B831382D31355FBAF2B5A5C0CCC5CD20B1E2B9DDC0C720BBE7C0CCB9F6C0A7C7E820C3F8C1A4B9E6B9FD20B9D720BBE7C0CCB9F6BBE7B0ED20BFB9C3F8B8F0C7FC20BFACB1B82D33C2F7BCF6C1A E687770> Ⅳ. 사이버사고예측모델개발 사이버보험시장활성화를위해서는표준데이터개발이필요하다. 이를위하여이전장에서는빅데이터기반의사이버위험측정체계를제안하였다. 본장에서는제안된사이버위험지수를이용하여사이버사고 (Cyber Incident) 를예측하는모델을개발하고자한다. 이는향후정확한보험금산출에기여할것으로기대한다. 최근빅데이터, 인공지능 (Artificial Intelligence),

More information

1) 인증서만들기 ssl]# cat >www.ucert.co.kr.pem // 설명 : 발급받은인증서 / 개인키파일을한파일로저장합니다. ( 저장방법 : cat [ 개인키

1) 인증서만들기 ssl]# cat   >www.ucert.co.kr.pem // 설명 : 발급받은인증서 / 개인키파일을한파일로저장합니다. ( 저장방법 : cat [ 개인키 Lighttpd ( 단일도메인 ) SSL 인증서신규설치가이드. [ 고객센터 ] 한국기업보안. 유서트기술팀 1) 인증서만들기 [root@localhost ssl]# cat www.ucert.co.kr.key www.ucert.co.kr.crt >www.ucert.co.kr.pem // 설명 : 발급받은인증서 / 개인키파일을한파일로저장합니다. ( 저장방법 : cat

More information

완벽한개념정립 _ 행렬의참, 거짓 수학전문가 NAMU 선생 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에

완벽한개념정립 _ 행렬의참, 거짓 수학전문가 NAMU 선생 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에대하여 AB=BA 1 가성립한다 2 3 (4) 이면 1 곱셈공식및변형공식성립 ± ± ( 복호동순 ), 2 지수법칙성립 (은자연수 ) < 거짓인명제 >

More information

word_1230.hwp

word_1230.hwp 링크리졸버 Link Resolver 링크리졸버란? 링크리졸버(Link Resolver) 는 OpenURL을기반으로하여콘텐츠에대한다양 한링크를제공하는시스템으로, 도서관에서구독하고있는전자저널이나데 이터베이스등의상호링크를기반으로이용자에게적합문헌에대한링크정 보를제공해준다. 도서관은자관의구독환경에맞게자료를제공할수있도 록환경을설정하고, 이용자는자신의검색결과내에서관련된자료와연결

More information

사회통계포럼

사회통계포럼 wcjang@snu.ac.kr Acknowledgements Dr. Roger Peng Coursera course. https://github.com/rdpeng/courses Creative Commons by Attribution /. 10 : SNS (twitter, facebook), (functional data) : (, ),, /Data Science

More information

초보자를 위한 분산 캐시 활용 전략

초보자를 위한 분산 캐시 활용 전략 초보자를위한분산캐시활용전략 강대명 charsyam@naver.com 우리가꿈꾸는서비스 우리가꿈꾸는서비스 우리가꿈꾸는서비스 우리가꿈꾸는서비스 그러나현실은? 서비스에필요한것은? 서비스에필요한것은? 핵심적인기능 서비스에필요한것은? 핵심적인기능 서비스에필요한것은? 핵심적인기능 서비스에필요한것은? 적절한기능 서비스안정성 트위터에매일고래만보이면? 트위터에매일고래만보이면?

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 How to produce ChemML and MathML 조윤상 ( 과편협기획운영위원 ) 1 Applications of XML Applications of XML RDF (Resource Description Framework) : 자원의정보를표현하기위한규격, 구문및구조에대한공통적인규칙을지원. RSS (Rich Site Summary) : 뉴스나블로그사이트에서주로사용하는콘텐츠표현방식.

More information

A Hierarchical Approach to Interactive Motion Editing for Human-like Figures

A Hierarchical Approach to Interactive Motion Editing for Human-like Figures 단일연결리스트 (Singly Linked List) 신찬수 연결리스트 (linked list)? tail 서울부산수원용인 null item next 구조체복습 struct name_card { char name[20]; int date; } struct name_card a; // 구조체변수 a 선언 a.name 또는 a.date // 구조체 a의멤버접근 struct

More information

목차 BUG 문법에맞지않는질의문수행시, 에러메시지에질의문의일부만보여주는문제를수정합니다... 3 BUG ROUND, TRUNC 함수에서 DATE 포맷 IW 를추가지원합니다... 5 BUG ROLLUP/CUBE 절을포함하는질의는 SUBQUE

목차 BUG 문법에맞지않는질의문수행시, 에러메시지에질의문의일부만보여주는문제를수정합니다... 3 BUG ROUND, TRUNC 함수에서 DATE 포맷 IW 를추가지원합니다... 5 BUG ROLLUP/CUBE 절을포함하는질의는 SUBQUE ALTIBASE HDB 6.3.1.10.1 Patch Notes 목차 BUG-45710 문법에맞지않는질의문수행시, 에러메시지에질의문의일부만보여주는문제를수정합니다... 3 BUG-45730 ROUND, TRUNC 함수에서 DATE 포맷 IW 를추가지원합니다... 5 BUG-45760 ROLLUP/CUBE 절을포함하는질의는 SUBQUERY REMOVAL 변환을수행하지않도록수정합니다....

More information

김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월

김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월 지능정보연구제 17 권제 4 호 2011 년 12 월 (pp.241~254) Support vector machines(svm),, CRM. SVM,,., SVM,,.,,. SVM, SVM. SVM.. * 2009() (NRF-2009-327- B00212). 지능정보연구제 17 권제 4 호 2011 년 12 월 김경재 안현철 지능정보연구제 17 권제 4 호

More information

ProQuest Congressional 미국연방의회의법률제정및개정관련정보, 청문회정보, 상하원의원들에 대한정보, 위원회자료, Code of Federal Regulations, U.S. Federal Register, 정책관련뉴스등에대한검색이가능한데이터베이스입니다.

ProQuest Congressional 미국연방의회의법률제정및개정관련정보, 청문회정보, 상하원의원들에 대한정보, 위원회자료, Code of Federal Regulations, U.S. Federal Register, 정책관련뉴스등에대한검색이가능한데이터베이스입니다. ProQuest Congressional 미국연방의회의법률제정및개정관련정보, 청문회정보, 상하원의원들에 대한정보, 위원회자료, Code of Federal Regulations, U.S. Federal Register, 정책관련뉴스등에대한검색이가능한데이터베이스입니다. l ProQuest Congressional 소개 ProQuest 플랫폼을통해제공되는미국연방의회출판물에대한검색및이용이가능한데이터베이스

More information

o o o 8.2.1. Host Error 8.2.2. Message Error 8.2.3. Recipient Error 8.2.4. Error 8.2.5. Host 8.5.1. Rule 8.5.2. Error 8.5.3. Retry Rule 8.11.1. Intermittently

More information

Recommender Systems - Beyond Collaborative Filtering

Recommender Systems - Beyond Collaborative Filtering Recommender Systems Beyond Collaborative Filtering Sungjoo Ha May 17th, 2016 Sungjoo Ha 1 / 19 Recommender Systems Problem 사용자가얼마나특정아이템을좋아할지예측해보자. 과거행동을바탕으로 다른사용자와의관계를바탕으로 아이템사이의관계로부터 문맥을살펴보고... Sungjoo

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical

More information

1) 인증서만들기 ssl]# cat >www.ucert.co.kr.pem // 설명 : 발급받은인증서 / 개인키파일을한파일로저장합니다. ( 저장방법 : cat [ 개인키

1) 인증서만들기 ssl]# cat   >www.ucert.co.kr.pem // 설명 : 발급받은인증서 / 개인키파일을한파일로저장합니다. ( 저장방법 : cat [ 개인키 Lighttpd ( 멀티도메인 ) SSL 인증서신규설치가이드. [ 고객센터 ] 한국기업보안. 유서트기술팀 1) 인증서만들기 [root@localhost ssl]# cat www.ucert.co.kr.key www.ucert.co.kr.crt >www.ucert.co.kr.pem // 설명 : 발급받은인증서 / 개인키파일을한파일로저장합니다. ( 저장방법 : cat

More information

소규모 비즈니스를 위한 플레이북 여기서 다룰 내용은 다음과 같습니다. 1. YouTube 소개 2. YouTube에서 비즈니스를 위한 채널 만들기 3. 눈길을 끄는 동영상 만들기 4. 고객의 액션 유도하기 5. 비즈니스에 중요한 잠재고객에게 더 많이 도달하기

소규모 비즈니스를 위한 플레이북 여기서 다룰 내용은 다음과 같습니다. 1. YouTube 소개 2. YouTube에서 비즈니스를 위한 채널 만들기 3. 눈길을 끄는 동영상 만들기 4. 고객의 액션 유도하기 5. 비즈니스에 중요한 잠재고객에게 더 많이 도달하기 소규모 비즈니스를 위한 YouTube 플레이북 YouTube에서 호소력 있는 동영상으로 고객과 소통하기 소규모 비즈니스를 위한 플레이북 여기서 다룰 내용은 다음과 같습니다. 1. YouTube 소개 2. YouTube에서 비즈니스를 위한 채널 만들기 3. 눈길을 끄는 동영상 만들기 4. 고객의 액션 유도하기 5. 비즈니스에 중요한 잠재고객에게 더 많이 도달하기

More information

연구노트

연구노트 #2. 종이 질 - 일단은 OK. 하지만 만년필은 조금 비침. 종이질은 일단 합격점. 앞으로 종이질은 선택옵션으로 둘 수 있으리라 믿는다. 종이가 너무 두꺼우면, 뒤에 비치지 는 않지만, 무겁고 유연성이 떨어진다. 하지만 두꺼우면 고의적 망실의 위험도 적고 적당한 심리적 부담도 줄 것이 다. 이점은 호불호가 있을 것으로 생각되지만, 일단은 괜찮아 보인다. 필자의

More information

ASETAOOOCRKG.hwp

ASETAOOOCRKG.hwp 청년층 희망 일자리와 실제 취업 일자리 격차 분석 - 고학력 청년 실업 원인에 대한 일고찰 - 홍 성 민 * ** 박 진 희 세계적인 경기침체가 본격화되는 2009년에는 실업문제가 가장 큰 사회경제적 이슈로 등장할 가 능성이 높으며, 특히 청년층의 고실업 문제와 더불어 일자리 기피 인해 나타날 가능성이 있는 NEET 화 현상에 대한 우려가 커질 것으로 예상된다.

More information

정보기술응용학회 발표

정보기술응용학회 발표 , hsh@bhknuackr, trademark21@koreacom 1370, +82-53-950-5440 - 476 - :,, VOC,, CBML - Abstract -,, VOC VOC VOC - 477 - - 478 - Cost- Center [2] VOC VOC, ( ) VOC - 479 - IT [7] Knowledge / Information Management

More information

<%DOC NAME%> User Manual

<%DOC NAME%> User Manual AVG Anti- Virus 2012 User Manual Do c u me n t re v is io n 2012.01 ( 27.7.2011) Copy right AV G Tec hnologies CZ, s.r.o. All rights res erv ed. All other trademarks are the property of their res pec tiv

More information

Chap 6: Graphs

Chap 6: Graphs AOV Network 의표현 임의의 vertex 가 predecessor 를갖는지조사 각 vertex 에대해 immediate predecessor 의수를나타내는 count field 저장 Vertex 와그에부속된모든 edge 들을삭제 AOV network 을인접리스트로표현 count link struct node { int vertex; struct node

More information

이베이를 활용한 B2C 마케팅_한국무역

이베이를 활용한 B2C 마케팅_한국무역 [2015. 09. 18] ebay 를 활용한 B2C 마케팅 목차 1. Why global B2C e-commerce 2. ebay 마켓플레이스의 특징 3. ebay 플랫폼을 활용한 CBT 소개 4. ebay CBT 비즈니스의 장점 5. EBAY CBT 비즈니스의 성공요소 WHY GLOBAL B2C E-COMMERCE? B2C 전자상거래 마켓플레이스에 관심을

More information

탐색적데이터분석 (Exploratory Data Analysis) 데이터가지닌주요특성 / 개괄을 ( 우선적으로 ) 탐구함으로써 데이터분석을시도하려는형태 모델링이나가설을세우고이를검증하기보다데이터자체 가우리에게말하려고하는것을알아내는것의중요성을강 조하며시각화플롯을많이활용 J

탐색적데이터분석 (Exploratory Data Analysis) 데이터가지닌주요특성 / 개괄을 ( 우선적으로 ) 탐구함으로써 데이터분석을시도하려는형태 모델링이나가설을세우고이를검증하기보다데이터자체 가우리에게말하려고하는것을알아내는것의중요성을강 조하며시각화플롯을많이활용 J 탐색적데이터분석 Supervised Learning 탐색적데이터분석 (Exploratory Data Analysis) 데이터가지닌주요특성 / 개괄을 ( 우선적으로 ) 탐구함으로써 데이터분석을시도하려는형태 모델링이나가설을세우고이를검증하기보다데이터자체 가우리에게말하려고하는것을알아내는것의중요성을강 조하며시각화플롯을많이활용 John Tukey 가그중요성을강조 S 와

More information

Microsoft PowerPoint - e pptx

Microsoft PowerPoint - e pptx Import/Export Data Using VBA Objectives Referencing Excel Cells in VBA Importing Data from Excel to VBA Using VBA to Modify Contents of Cells 새서브프로시저작성하기 프로시저실행하고결과확인하기 VBA 코드이해하기 Referencing Excel Cells

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Elasticsearch 의한글검색활용 Elastic Community Engineer 김종민 2018. 10. 18 Elastic? Elastic? Elasticsearch 라는검색엔진을개발한회사입니다. (ELK Stack 으로더잘알려져있습니다.) 검색엔진은우리주변여기저기에있습니다. 요즘은검색엔진이데이터분석에도쓰입니다. 4 SEARCH Multilingual

More information

Windows 8에서 BioStar 1 설치하기

Windows 8에서 BioStar 1 설치하기 / 콘텐츠 테이블... PC에 BioStar 1 설치 방법... Microsoft SQL Server 2012 Express 설치하기... Running SQL 2012 Express Studio... DBSetup.exe 설정하기... BioStar 서버와 클라이언트 시작하기... 1 1 2 2 6 7 1/11 BioStar 1, Windows 8 BioStar

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Visual Search At SK-Planet sk-planet Machine Intelligence Lab. 나상일 1. 개발배경 2. 첫접근방법 3. 개선된방법 A. Visual recognition technology B. Guided search C. Retrieval system 개발배경 개발배경 상품검색을좀더쉽게 Key-word 트렌치코트버튺벨트

More information

Journal of Educational Innovation Research 2018, Vol. 28, No. 4, pp DOI: * A S

Journal of Educational Innovation Research 2018, Vol. 28, No. 4, pp DOI:   * A S Journal of Educational Innovation Research 2018, Vol. 28, No. 4, pp.461-487 DOI: http://dx.doi.org/10.21024/pnuedi.28.4.201812.461 * - 2008 2018 - A Study on the Change of Issues with Adolescent Problem

More information

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 CRM Fair 2004 Spring Copyright 2004 DaumSoft All rights reserved. INDEX Copyright 2004 DaumSoft All rights reserved. Copyright 2004 DaumSoft All rights reserved. Copyright 2004 DaumSoft All rights reserved.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 B Type 가이드 가지고있는도메인사용 + 인증서구매대행절차 1. 신청하기. 네임서버변경 / 확인 - 네임서버변경 - 네임서버변경확인 3. 인증심사메일에회신하기 - 메일주소확인 - 메일주소변경 - 인증심사메일서명 4. Ver. 015.10.14 가지고있는도메인사용 + 인증서구매대행절차 도메인은가지고있으나인증서가없는경우소유한도메인주소로 를오픈하고인증서는 Qoo10

More information

untitled

untitled 시스템소프트웨어 : 운영체제, 컴파일러, 어셈블러, 링커, 로더, 프로그래밍도구등 소프트웨어 응용소프트웨어 : 워드프로세서, 스프레드쉬트, 그래픽프로그램, 미디어재생기등 1 n ( x + x +... + ) 1 2 x n 00001111 10111111 01000101 11111000 00001111 10111111 01001101 11111000

More information

? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement

? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement Daum Communications CRM 2007. 3. 14. ? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement Communication

More information

Data Industry White Paper

Data Industry White Paper 2017 2017 Data Industry White Paper 2017 1 3 1 2 3 Interview 1 ICT 1 Recommendation System * 98 2017 Artificial 3 Neural NetworkArtificial IntelligenceAI 2 AlphaGo 1 33 Search Algorithm Deep Learning IBM

More information

Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치

Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치 Oracle Big Data 오라클 빅 데이터 이야기 Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치 최근 빅 데이터에 대한 관심이 커지고 있는데, 그 배경이 무엇일까요? 정말 다양한 소스로부터 엄청난 데이터들이 쏟아져

More information

커알못의 커널 탐방기 이 세상의 모든 커알못을 위해서

커알못의 커널 탐방기 이 세상의 모든 커알못을 위해서 커알못의 커널 탐방기 2015.12 이 세상의 모든 커알못을 위해서 개정 이력 버전/릴리스 0.1 작성일자 2015년 11월 30일 개요 최초 작성 0.2 2015년 12월 1일 보고서 구성 순서 변경 0.3 2015년 12월 3일 오탈자 수정 및 글자 교정 1.0 2015년 12월 7일 내용 추가 1.1 2015년 12월 10일 POC 코드 삽입 및 코드

More information

EndNote X2 초급 분당차병원도서실사서최근영 ( )

EndNote X2 초급 분당차병원도서실사서최근영 ( ) EndNote X2 초급 2008. 9. 25. 사서최근영 (031-780-5040) EndNote Thomson ISI Research Soft의 bibliographic management Software 2008년 9월현재 X2 Version 사용 참고문헌 (Reference), Image, Fulltext File 등 DB 구축 참고문헌 (Reference),

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 I. 문서표준 1. 문서일반 (HY중고딕 11pt) 1-1. 파일명명체계 1-2. 문서등록정보 2. 표지표준 3. 개정이력표준 4. 목차표준 4-1. 목차슬라이드구성 4-2. 간지슬라이드구성 5. 일반표준 5-1. 번호매기기구성 5-2. 텍스트박스구성 5-3. 테이블구성 5-4. 칼라테이블구성 6. 적용예제 Machine Learning Credit Scoring

More information

Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp DOI: NCS : * A Study on

Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp DOI:   NCS : * A Study on Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp.157-176 DOI: http://dx.doi.org/10.21024/pnuedi.28.3.201809.157 NCS : * A Study on the NCS Learning Module Problem Analysis and Effective

More information

SBR-100S User Manual

SBR-100S User Manual ( 1 / 13 ) SBR-100S 모델에 대한 사용자 펌웨어 업그레이드 방법을 안내해 드립니다. SBR-100S 는 신규 펌웨어가 있을시 FOTA(자동업데이트) 기능을 통하여 자동 업그레이드가 되며, 필요시 사용자가 신규 펌웨어를 다운받아 수동으로 업그레이드 할 수 있습니다. 1. 준비하기 1.1 연결 장치 준비 펌웨어 업그레이드를 위해서는 SBR-100S

More information

<4F E20C7C1B7CEB1D7B7A5C0BB20C0CCBFEBC7D120B5A5C0CCC5CD20BAD0BCAE20B9D720B1D7B7A1C7C120B1D7B8AEB1E F416E616C F616E645F47726

<4F E20C7C1B7CEB1D7B7A5C0BB20C0CCBFEBC7D120B5A5C0CCC5CD20BAD0BCAE20B9D720B1D7B7A1C7C120B1D7B8AEB1E F416E616C F616E645F47726 Origin 프로그램을이용한데이터분석및그래프그리기 "2-4 단일코일에의해형성되는자기장의특성측정 " 실험을예로하여 Origin 프로그램을이용한데이터분석및그래프그리기에대해설명드리겠습니다. 먼저 www.originlab.com 사이트를방문하여회원가입후 Origin 프로그램데모버전을다운로드받아서설치합니다. 설치에필요한액세스코드는회원가입시입력한 e-mail로발송됩니다.

More information

1

1 23단원 국외 주요 검색엔진의 사용법 1. 야후(Yahoo), 야후(Yahoo) 코리아 2. 알타비스타(Altavista), 알타비스타(Altavista) 코리아 3. 라이코스(Lycos), 네이트닷컴(라이코스코리아) 4. 그 외 검색엔진 1/9 1. 야후(Yahoo), 야후(Yahoo) 코리아 1) 야후 야후(Yahoo)는 Yet Another Hieratchical

More information

2 노드

2 노드 2019/05/03 17:01 1/5 2 노드 2 노드 소개 노드를사용하여계층적분산모니터링을구축할수있습니다. 각노드는Zabbix 서버자체이며, 각각이놓인위치모니터링을담당합니다 Zabbix는. 분산설정은최대 1000 개의노드를지원합니다. 노드의설정을사용하는장점은다음과같습니다. 일부지역에걸친대규모네트워크에서여러수준의모니터링계층을구축합니다. 계층에서하노드는마스터노드에전송합니다.

More information

2002년 2학기 자료구조

2002년 2학기 자료구조 자료구조 (Data Structures) Chapter 1 Basic Concepts Overview : Data (1) Data vs Information (2) Data Linear list( 선형리스트 ) - Sequential list : - Linked list : Nonlinear list( 비선형리스트 ) - Tree : - Graph : (3)

More information

Tablespace On-Offline 테이블스페이스 온라인/오프라인

Tablespace On-Offline 테이블스페이스 온라인/오프라인 2018/11/10 12:06 1/2 Tablespace On-Offline 테이블스페이스온라인 / 오프라인 목차 Tablespace On-Offline 테이블스페이스온라인 / 오프라인... 1 일반테이블스페이스 (TABLESPACE)... 1 일반테이블스페이스생성하기... 1 테이블스페이스조회하기... 1 테이블스페이스에데이터파일 (DATA FILE) 추가

More information

1701_ADOP-소개서_3.3.key

1701_ADOP-소개서_3.3.key ADOP ALL DISTRIBUTION OPTIMIZATION PLATFORM SINCE 2011 ~ PA RT 0 1 PA RT 02 회사소개 PA RT 03 ADOP 서비스 ADOP SSP (Supply Side Platform) & 솔루션 소개 CONTENTS PA RT 04 성공사례 1 PART 회사소개 WHO WE ARE? ADOP 5. 03. 10.

More information

RNN & NLP Application

RNN & NLP Application RNN & NLP Application 강원대학교 IT 대학 이창기 차례 RNN NLP application Recurrent Neural Network Recurrent property dynamical system over time Bidirectional RNN Exploit future context as well as past Long Short-Term

More information

[Brochure] KOR_TunA

[Brochure] KOR_TunA LG CNS LG CNS APM (TunA) LG CNS APM (TunA) 어플리케이션의 성능 개선을 위한 직관적이고 심플한 APM 솔루션 APM 이란? Application Performance Management 란? 사용자 관점 그리고 비즈니스 관점에서 실제 서비스되고 있는 어플리케이션의 성능 관리 체계입니다. 이를 위해서는 신속한 장애 지점 파악 /

More information

- 89 -

- 89 - - 89 - - 90 - - 91 - - 92 - - 93 - - 94 - - 95 - - 96 - - 97 - - 98 - - 99 - 있다 장정임 ( 2009). Toylor 와 Betz(1983) 의 진로결정자기효능감 척도 와 및 등이 개발 (career 와 한 진로결정자기효능감 척도 단축형 은 미래계획수립 문제해결과 같은 자신에 대한 이해를 바탕으로

More information

R을 이용한 텍스트 감정분석

R을 이용한 텍스트 감정분석 R Data Analyst / ( ) / kim@mindscale.kr (kim@mindscale.kr) / ( ) ( ) Analytic Director R ( ) / / 3/45 4/45 R? 1. : / 2. : ggplot2 / Web 3. : slidify 4. : 5. Matlab / Python -> R Interactive Plots. 5/45

More information

04 Çмú_±â¼ú±â»ç

04 Çмú_±â¼ú±â»ç 42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 질의어단위프로파일링을이용한북마크기반개인화검색 153 질의어단위프로파일링을이용한북마크기반개인화검색 (Bookmark-Based Personalized Search through Query-Level User Profiling) 김현지 배동환 (Hyun Ji Kim) (Dong Hwan Bae) 고민삼 이문용 (Minsam Ko) (Mun Yong Yi) 요약본논문에서는개인화검색시사용자의단일프로파일이개인의다양한정보요구를만족시키지못하는문제를개선하고자,

More information

Observational Determinism for Concurrent Program Security

Observational Determinism for  Concurrent Program Security 웹응용프로그램보안취약성 분석기구현 소프트웨어무결점센터 Workshop 2010. 8. 25 한국항공대학교, 안준선 1 소개 관련연구 Outline Input Validation Vulnerability 연구내용 Abstract Domain for Input Validation Implementation of Vulnerability Analyzer 기존연구

More information

Making a True Business Solution ANNUAL REPORT 2013 I. I. I I II. II. II II II II II II II II II II II II II II II II II III. III III III III III III III III III III III

More information

슬라이드 1

슬라이드 1 Pairwise Tool & Pairwise Test NuSRS 200511305 김성규 200511306 김성훈 200614164 김효석 200611124 유성배 200518036 곡진화 2 PICT Pairwise Tool - PICT Microsoft 의 Command-line 기반의 Free Software www.pairwise.org 에서다운로드후설치

More information

Microsoft PowerPoint - 컨퍼런스 발표자료_Diquest

Microsoft PowerPoint - 컨퍼런스 발표자료_Diquest 검색시스템 구축을 통한 기업 경쟁력 향상 사례 2006. 3. 23 다이퀘스트 목 차 1. 회사 소개 2. 구축사례1-조인스닷컴 통합검색 3. 구축사례2-GSeshop 내부검색 Copyright c 2006 DiQuest Inc. All rights reserved 2 I. 다이퀘스트 소개 회사 소개 주요 사업 내용 기술 인증 및 특허 레퍼런스 Copyright

More information

강의지침서 작성 양식

강의지침서 작성 양식 정보화사회와 법 강의지침서 1. 교과목 정보 교과목명 학점 이론 시간 실습 학점(등급제, P/NP) 비고 (예:팀티칭) 국문 정보화사회와 법 영문 Information Society and Law 3 3 등급제 구분 대학 및 기관 학부(과) 전공 성명 작성 책임교수 법학전문대학원 법학과 최우용 2. 교과목 개요 구분 교과목 개요 국문 - 정보의 디지털화와 PC,

More information

슬라이드 1

슬라이드 1 Mezzo S.T.P News September, 2009 9월 온라인 동향 포털사이트 서비스 관렦 온라인 이슈 (1) 포털사이트 서비스 관렦(1/4) 네이버, 컬렉션 랭킹 싞기술 검색 서비스 시작 단순 클릭의 쏠림 현상을 보정하고 검색 결과의 품질향상을 위해 도입 통합검색 알고리즘 컬렉션 랭킹 에 싞기술 도입. - 컬렉션에 대한 이용자들의 보다 많은 클릭이

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 CRM Data Quality Management 2003 2003. 11. 11 (SK ) hskim226@skcorp.com Why Quality Management? Prologue,,. Water Source Management 2 Low Quality Water 1) : High Quality Water 2) : ( ) Water Quality Management

More information