시뮬레이션을 사용하여 컴퓨터에서 비즈니스 문제를 모델링

이 장에서는 시뮬레이션을 사용하여 컴퓨터에서 비즈니스 문제를 모델링하는 컴퓨터 시뮬레이션을 참조합니다. 우리는 이것을 일반적으로 소규모 복제본을 구축하거나 소규모 파일럿 연구를 실행하는 것을 포함하는 물리적 시뮬레이션과 구별한다. 물리적 시뮬레이션의 예로서, 그것의 성능을 이해하기 위해 풍동에서의 새로운 항공기 날개 설계의 스케일 모델을 시험하는 것을 고려하라. 또 다른 예로, 한 패스트푸드 체인은 프로세스 재설계가 고객 대기 시간에 미치는 … Read more

시뮬레이션이 정보에 입각한 의사 결정을 위한 효과적인 비즈니스 분석

이 장의 목표는 시뮬레이션이 정보에 입각한 의사 결정을 위한 효과적인 비즈니스 분석 기법이 될 수 있는 방법을 이해하는 것입니다. 우리는 응용 프로그램과 시뮬레이션 모델을 구축하고 모델의 결과를 해석하는 단계를 이해하는 데 초점을 맞출 것이다. 이론적 배경은 챕터 끝에 설명된 참조 교과서에서 찾을 수 있다. 시뮬레이션은 다양한 상황에서 불확실성 하에서 의사 결정에 대한 실용적인 접근법이다. 예를 … Read more

자동차를 인식하기 위한 컴퓨터 비전 시스템

한 가지 더 예를 들어, 여러분이 자동차를 인식하기 위한 컴퓨터 비전 시스템을 만들고 있다고 가정해보자. 여러 자동차의 컴퓨터 그래픽 모델을 가지고 있는 비디오 게임 회사와 파트너 관계를 맺고 있다고 가정해 보십시오. 알고리즘을 훈련시키기 위해 모델을 사용하여 자동차의 합성 이미지를 생성합니다. 합성된 이미지가 매우 사실적으로 보일지라도, (많은 사람들이 독립적으로 제안한) 이 접근 방식은 아마도 잘 작동하지 … Read more

유용한 사실을 찾아내는 불필요한 사실을 갖지 않는 것이 가장 중요

두 번째 효과를 다른 용어로 설명하자면, 우리는 가상의 인물인 셜록 홈즈에게 의지할 수 있습니다. 셜록 홈즈는 당신의 뇌는 다락방과 같다고 말합니다. 한정된 공간만을 가지고 있습니다. 그는 “지식을 추가할 때마다 이전에 알고 있던 것을 잊게 된다. 따라서 유용한 사실을 찾아내는 불필요한 사실을 갖지 않는 것이 가장 중요합니다.” 다행히 충분히 큰 신경 네트워크(즉, 충분히 큰 다락방)를 구축하는 … Read more

빅데이터 시대에는 대규모 훈련 세트에 접근

하지만 빅데이터 시대에는 고양이 인터넷 이미지와 같은 대규모 훈련 세트에 접근할 수 있게 되었습니다. 트레이닝 세트가 개발/테스트 세트와는 다른 분포에서 온 것이라도, 많은 정보를 제공할 수 있기 때문에, 학습에 활용하고 싶다고 생각하고 있습니다. Cat 디텍터 예에서는 사용자가 업로드한 10,000개의 이미지를 모두 개발/테스트 세트에 넣는 대신 5,000개를 개발/테스트 세트에 넣을 수 있습니다. 사용자가 업로드한 나머지 5,000개의 … Read more

영상에서 자동으로 진단하는 의료 영상 애플리케이션을 사용

영상에서 자동으로 진단하는 의료 영상 애플리케이션을 사용하고 있다고 가정합니다. 기본적인 훈련 외에 이전의 의학 경력이 없는 일반인은 이 작업에서 15%의 오류를 달성한다. 하급 의사는 10%의 오류를 달성한다. 경험이 많은 의사는 5%의 오류를 달성한다. 그리고 각각의 이미지에 대해 토론하고 토론하는 소규모 의사 팀은 2%의 오류를 달성합니다. 다음 중 “인간 수준의 성능”을 정의하는 오류율은 무엇입니까? 이 경우 … Read more

시스템의 성능을 위한 한 가지 합리적인 목표

사용자가 특정 “웨이크워드”를 말하는 것을 마이크를 사용하여 듣는 하드웨어 장치를 만들고 있다고 가정하면 시스템이 웨이크업 상태가 됩니다. 예를 들어 Amazon Echo가 “Alexa”를 듣고, Apple Siri가 “Hey Siri”를 듣고, Android가 “Okay Google”을 듣고, Baidu 앱이 “Hello Baidu”를 듣고 있습니다. 잘못된 양의 비율(웨이크워드를 말하지 않은 경우에도 시스템이 웨이크업되는 빈도)과 잘못된 음의 비율(웨이크워드를 말할 때 웨이크업되지 않는 빈도)을 … Read more

개발 집합은 시도 중인 알고리즘 간의 차이를 감지

개발 집합은 시도 중인 알고리즘 간의 차이를 감지할 수 있을 정도로 커야 합니다. 예를 들어, 분류기 A의 정확도가 90.0%이고 분류기 B의 정확도가 90.1%인 경우 100개의 예시로 구성된 dev 집합은 이 0.1%의 차이를 탐지할 수 없습니다. 지금까지 본 다른 기계 학습 문제와 비교하면 100개의 예제 개발 세트가 작습니다. 크기가 1,000에서 10,000인 개발 집합이 일반적입니다. 10,000개의 예제를 … Read more

조직에는 텍스트 형식으로 저장된 방대한 데이터

조직에는 텍스트 형식으로 저장된 방대한 데이터가 있으며, 이러한 텍스트에서 “의미”를 추출할 수 있는 방법을 찾고 있을 것입니다. 책상 위에 쌓여 있는 파일을 상상해 보십시오. 이 파일은 말뭉치를 나타내며 각 개인은 “문서”를 파일링합니다. 이러한 파일의 텍스트 내용을 “요약”할 수 있는지 물어볼 수도 있습니다. 그렇다면 요약은 어떻게 보일 수 있습니까? 한 가지 해답은 파일 파일 전체에서 발생하는 … Read more

규칙을 이해하고 컨텍스트에 필요한 범위 내에서 준수

규칙을 이해하고 컨텍스트에 필요한 범위 내에서 준수합니다. 콘텍스트가 데이터를 정확하게 이해하고 높은 충실도로 이해해야 하는 경우 비주얼라이저는 가능한 한 규칙을 따라야 합니다. 컨텍스트에서 다른 기준을 더 무겁게 평가해야 하는 경우 규칙을 이해하면 비주얼라이저는 이러한 다른 기준이 시청자의 시각적 인식을 어떻게 저해하는지 이해할 수 있습니다. 데이터를 시각화할 때, 위에서 언급한 바와 같이 시청자의 인지 부하를 줄이는 … Read more