LG AImers

우연히 지원한 LG의 새프로그램에 합격하여 LG 수업을 듣게 되었다.전통적 품질관리에서의 품질 : "규격에 부합하는 것"선험적 관점품질을 정의할 수는 없더라도 무엇인지 고객이 인지제품 관점바람직한 성분이나 속성의 함량 차이가 곧 품질의 차이사용자 관점용도 적합성제조 관

품질은 4M, 재료, 장비, 작업방법, 작업자를 대상으로 지속적인 개선이 요구적은 데이터로부터 가능한 한 신뢰성이 높은 객관적인 정보를 얻는데 가장 유효한 수단품질 관리를 하는데 있어서 가장 필수적인 통계적 방법 \- 파레토 차트특성요인도체크시트히스토그램산점도그래프관

소비자들의 요구사항 증가 -> 많은 기업들은 여전히 전통적인 방식의 품질 관리 및 경영기법에 머물러 있다.제품 복잡도 및 다양성 증가, 제품주기 단축, 세계화 및 규제 변화 등은 효과적인 품질경영 수행을 어렵게 만드는 요인들ICT 융합을 통해 종전의 사후검사 및 보증에

커뮤니티를 보니깐,,강의 내용을 캡처하면 안된다고 되어 있다..으아 그래서 앞으로는 부수적인 사진 자료를 참고할 수 없을 것 같다.!아쉽구만주어진 작동 환경에서 주어진 시간 동안 시스템이 고유의 기능을 수행할 확률출처: 산업자원부기술표준원품질의 분포 : 이형분포, 정규

지수분포

DATA로부터 내재된 패턴을 학습하는 과정출력이 연속 변수인지 이산변수인지에 따라서 구분sl 머신러닝은 model output과 정답과의 차이인 error를 통해서 그 error를 줄여가면서 학습이 진행feature selection, model selection, o

이미 사용하고 있거나 개발한 알고리즘의 간단한 확장Supervised learning task에서 성능을 올릴 수 있는 방법Ensemble = 함께, 동시에, 한꺼번에 협력하여라는 의미머신러닝에서 알고리즘의 종류에 상관 없이 서로 다르거나, 같은 매커니즘으로 동작하는

k-means clustering 데이터를 몇 개의 클러스터로 나누어서 비교적 비슷한 특징을 가지는 각각의 클러스터로 모으는 것을 목표 PCA 디멘션을 줄이기 위한 기법 EIGENVALUE DECOMPOSITION과 동일한 방식 전통적 머신러닝 low dimens

딥러닝 학습의 한계점: 대용량 학습 데이터로 부터 학습하는 모델 구조 - 점점 더 복잡해지고 이해하기 어려워짐.모델 & 데이터셋의 오류 색출모델이 얼마나 편향되어 있는지 확인 가능사람이 모델을 쓸 때 그 동작을 이해하고 신뢰할 수 있게 해주는 기계 학습 기술

causal decision making 효율적으로 환경과 인터렉션 하는 것을 연구 causal effect - causal discovery - causal decision making 서로를 돕는 역할 베이지안 네트워크 확률적 그래피컬 모델에 대한 기본적 지식

Querycausal diagramdata\-> causal inference engine 인과추론 알고리즘을 통해서 계산한다.인과 효과를 구하는 식 더 일반화한 방식x와 y의 전체 상관성은 두 가지, 직접 연결 관계 그리고 교란 변수에 의한 연결 관계 \- 데이

미래 모빌리티 메가 트렌드의 핵심 키워드C : connectivityA : autonomousS : sharedE : electrificationA = 운전자 개입없이 스스로 안전하게 주행이 가능한 자율주행 고도화C = 고도화된 연결형 자율주행을 통한 탑승자의 안전 및

rear occupant alert차량 내에 장착하여 후석 승객 유무를 감지in-cabin 모니터링 시스템에서는 카메라, 압력 센서, 초음파, 레이더 등 여러가지 센서 기술들이 사용하고 있다.5명의 탑승자 위치를 정확하게 파악하는 기술 PCB의 테스트 포인트를 통해 S