(1) 모집단의 평균이 궁금할 때 z-검정(z-test) 큰 표본 크기(보통 30 이상)에서 모집단의 평균을 검정할 때 사용합니다. 모집단의 분산이 알려져 있어야 하며, 정규 분포를 따르는 데이터에 적용됩니다. t-검정(t-test) 모집단의 평균에 대해 가설을 세우고 이를 검정할 때 사용합니다. 작은 표본 크기에서도 사용할 수 있으며, 모집단의 분산이 알려지지 않았을 때 유용합니다. t-검정에는 한 표본 t-검정, 독립 두 표본 t-검정, 대응 두 표본 t-검정 등이 있습니다. (2) 모집단의 분산이 궁금할 때 카이제곱 분산 검정(Chi-square test for variance) 한 모집단의 분산이 특정 값과 같은지를 검정하거나, 두 모집단의 분산이 같은지를 비교할 때 사용합니다. 분산의 차이를 검..
1. 평균과 가깝다는 것은 데이터가 정상적이라는 것을 의미한다. Solution 오해: 데이터 세트의 평균이 특정 값에 가깝다는 것은 그 데이터가 '정상적'이라는 의미로 해석될 수 있습니다. 실제: 평균은 데이터 세트의 경향을 나타내지만, 이상치(outliers)나 극단적인 값들에 매우 민감합니다. 따라서, 평균만으로는 데이터의 분포 상태나 '정상성'을 전체적으로 이해하기 어렵습니다. 2. 평균은 데이터 셋을 대표한다. Solution 오해: 데이터의 평균값이 그 데이터 세트 전체를 잘 대표한다고 가정합니다. 실제: 평균은 모든 데이터 포인트를 고려하긴 하지만, 데이터가 균일하게 분포되어 있지 않은 경우(예: 극단적으로 높거나 낮은 값이 포함된 경우) 데이터의 실제 분포를 왜곡할 수 있습니다. 3. 평균..
데이터 리터리시 데이터를 효과적으로 이해, 분석 및 해석하여 의사결정에 활용하는 능력 이는 데이터를 읽고, 이해하며, 데이터에 기반하여 의사결정을 내릴 수 있는 역량 데이터(ex. 고객 설문조사의 응답, 판매 기록) 관찰, 측정 또는 질문을 통해 수집된 사실이나 수치의 집합 가장 기본적인 형태로, 데이터는 현실 세계에 대한 원시 정보를 제공한다. 분석되지 않은 상태에서는 종종 의미를 갖지 않는다. DATA > INFORMATION > KNOWLEDGE DATA : 원시적 형태의 사실과 수치, 데이터는 구조화되지 않았거나 분석되지 않았기 때문에 그 자체로 큰 의미 X INFORMATION : 데이터를 처리하고 조직화하여 얻은 결과물, 웹사이트 방문자 데이터를 일별, 주별, 월별 방문자 수로 정리하는 것 K..
학습 : 환경에서 경험을 통해서 일어나는 과정 행동주의 관점에서의 학습 고전적 조건형성 → ex. 파블로프 : 인간행동을 이해하고자 하는 심리학의 발전에 크게 공전하는 계기 마련 ⇒ 조건화 성립 조작적 조건형성 → 학습자의 반응은 행동 이전의 자극이나 환경보다는 행동에 결과에 따라 더 많이 결정된다고 주장 강화 정적강화 : 행동 빈도 증가 부적강화 : 행동 빈도 감소 인지론적에서의 학습 인본주의 입장에서의 학습 발달과업의 교육적 의의 각 발달단계에 맞는 교육과정을 결정하는 단서 학생의 신체적, 정신적, 지적, 사회적인 정상적 성장 발달을 어떻게 도울 것인가에 대한 준거 교육목표 설정 도움 학습준비도 결정 도움 영유아 콘텐츠 개발 = 직관적 IT Engineering Education* Ai Science..
학습목표 통합 사용자 친화성 데이터 프라이버시 및 보안 사용자수정 비용절감 기술지원 = '브랜드 이미지 마케팅' 출처 : https://brunch.co.kr/@brunchjwshim/294 Generalization Personalization Prediction Structed data 영상처리 기초 히스토그램 평활화, 모핑(Morphing) [영상처리 필요성] 인간 정보처리 데이터의 핵심이 시각정보 사람과 같거나 사람보다 나은 일처리 필수적(AI 기계 구현 필수적) 현대의 영상처리 구현에는 다른 분야들과 마찬가지로 AI기술의 적용이 많아지고 있다 [실습 예정] 나의 분석 디지털교과서 + 밀크티 제품 구성, 유아/초/중/고 제품 분석 교원 연수 과정 유아용 오스모 분석 AI 콘텐츠 기획 프로그램 설계..
빅데이터의 활용 다양성 : 정형/비정형의 다양한 데이터 규모 : 테라바이트 수준의 데이터 규모 속도 : 적시성 있는 분석이 필요한 실시간 데이터 (ex. 범죄위험도 예측분석 시스템 : 구역별 위험도 예측 결과, 방법 시설, 기타자료 등) [KeyPoint] (1) 요청(Request) → 반응(Response) (2) 적응형 ↔ 반응형(유지보수 원활) 홈페이지 제작비용, 반응형과 적응형의 가격이 다른 이유는? 홈페이지 제작비용, 반응형과 적응형의 가격이 다른 이유는? www.openads.co.kr (3) 네이티브 애플리케이션 ↔ 모바일 웹 앱 ↔ 하이브리드 애플리케이션 PWA (Progressive Web Apps) 모바일 기기에서 네이티브 앱(Native App)과 같은 사용자 경험을 제공하는 웹/앱..
에듀테크 배경 : 1990년대 후반 이후에 출생하여 TV보다는 스마트폰 등 모바일 기기에 익숙한 모모시대(More Mobile Generation)를 주 대상으로 시작되었으나, 스마트폰 등 스마트 기기 보급으로 점차 모든 연령대로 확산 (1) 디지털교과서에 첨단 기술의 적용과 확대 (2) 인공지능 AI 선생님 등장 (3) 무료 스마트 강의 확대 (4) 지식 전달을 넘어서는 미래 역량 강화 e러닝 → 에듀테크 미국, 유럽, 중국 등을 중심으로 E-러닝이라는 용어 대신 새로운 개술 트랜드를 반영하며 '에듀테크'를 사용하며 큰 성장세 마이크로 러닝 : 학습 및 교육개념, 한입 크기 학습으로 불리며 한 번에 소화할 수 있는 분량의 학습 콘텐츠를 통해 쉽고 빠르면서도 꼭 필요한 내용을 학습하는 전략(독립성) 학습..
에듀테크가 등장하면서 가장 크게 변화가 예상 되는 것이 바로 교육의 경계 파괴이다. 플립러닝 : 온/오프라인의 경계가 무너지기 시작 MOOC : 지역적 경계를 무너뜨리고 박위/비학위의 경계를 무너뜨림 교육산업에 미치는 경계파괴 4가지(1) 교육기관 사이의 경계파괴교육기관이든 좋은 프로그램을 제공하면 누구에게나 접근해 교육을 제공할 수 있는 방향으로 진행될 것이다.(2) 교육 공급자 간의 경계파괴 (3) 유통의 경계 파괴최종 소비자는 SNS와 인공지능 기반의 맞춤형 큐레이션 기술로 인해 유통 구조를 거치지 않고 자신이 원하는 컨텐츠와 연결이 가능해질 것이다.(4) 프로그램 사이의 경계파괴학습자들의 필요성으로 인해 프로그램들의 구분이 모호해지고 통합된 프로그램들이 나노디그리의 사례처럼 점점 많아질 것이다. ..
프로덕트(Product) 유사 개념 : (1) 상품 : 주로 물리적인 제품을 의미. (2) 서비스 : 무형의 경제 활동으로, 고객의 요구를 충적시키는 활동이나 성과를 의미함. 물리적 형태가 없음. 프로덕트 매니저란? : "제품의 성공을 이끄는 핵심 역할" (1) 제품 또는 서비스의 개발, 출시, 관리 총괄 (2) 제품 전략, 로드맵, 기능 정의 담당 (3) 시장에서의 성공을 위한 부서 간 협력 프로덕트 매니저는 언제부터 생겨났을까?1930년대 프록터 앤 갬블의 '브랜드 매니저' 개념에서 유래1980년대, 1990년대 IT 및 소프트웨어산업성장과 함께 발전 제품 복잡성 증가로 전문적 역할 필요성 부각 프로덕트 매니저에게 있어 중요한 프로덕트 : Usable(유용한), Feasible(구현가능성), Valu..
