분류 전체보기 (76) 썸네일형 리스트형 1인 프리랜서 시장의 동향, 트렌드, 미래 비전 및 AI 융합 사례 분석 보고서 Executive Summary1인 프리랜서 시장은 전 세계적으로 빠르게 성장하며 노동 시장의 중요한 축으로 자리매김하고 있다. 디지털 전환의 가속화와 인공지능(AI) 기술의 발전이 결합되면서 이 시장은 더욱 폭발적인 성장을 경험하고 있으며, 이는 기업과 개인 모두에게 새로운 기회와 도전을 동시에 제시하고 있다.본 보고서는 1인 프리랜서 시장의 현재 동향과 규모를 면밀히 분석하고, 프리랜서 인구의 특성과 시장 성장을 견인하는 핵심 동인을 심층적으로 탐구한다. 특히, AI 기술이 프리랜서 시장에 미치는 영향, 즉 업무 자동화를 통한 효율성 증대, 새로운 직업 기회 창출, 그리고 동시에 야기되는 일자리 대체 및 윤리적 문제점들을 다각도로 조명한다. 이러한 분석을 바탕으로, 미래 프리랜서 시장의 비전을 제시하.. 교육과 만난 인공지능, 미래 수업이 달라진다 AI가 바꾸는 교실의 풍경최근 학교 현장에서 가장 큰 관심사는 인공지능과 같은 첨단 기술을 수업에 어떻게 접목할 것인가 하는 문제입니다. 특히 내년부터 디지털 교과서가 전면 도입되면서, 수업 방식에 대한 교사들의 고민도 깊어지고 있습니다.이런 흐름 속에서, 미국 콜로라도에서 열린 세계 최대 교육 기술 박람회 ‘ISTE Live 2024’는 교육 현장의 미래를 엿볼 수 있는 중요한 자리였습니다. 행사에는 교사, 교수, 교육 기업 관계자 등 약 2만 명이 참석했고, 교육을 어떻게 기술로 혁신할 수 있을지에 대한 다양한 결과물이 공유되었습니다.기술이 수업을 설계하다현장에서 가장 두드러진 키워드는 단연 '생성형 AI'였습니다. 단순한 도구를 넘어, 교실 안에서 어떻게 학습 방식을 바꿀 수 있는지가 중심이었습니다.. 서울주택도시공사 서비스 실습사이트 🏠 임대료 부담률 계산기 월소득 (원) 월임대료 (원) 계산하기 젠슨 황, 마크 저커버그: AI는 이제 우리 삶의 모든 영역을 변화 시킵니다! 페북/인스타그램 알고리즘의 미래 ㅣ AI크리에이터와 기업 AI스튜디오의 장밋빛 근미래 젠슨 황 & 마크 저커버그: AI가 바꾸는 미래, 페이스북/인스타그램 알고리즘은 어떻게 진화할까? AI, 우리 삶을 어떻게 바꿀까요? 젠슨 황 & 마크 저커버그의 만남!젠슨 황과 마크 저커버그의 대담, 정말 흥미롭지 않나요? 이 둘은 AI가 우리 삶의 모든 영역을 어떻게 변화시킬지 이야기했어요. 특히 페이스북과 인스타그램 알고리즘이 AI 덕분에 어떻게 진화하고 있는지에 대한 내용이 핵심이죠. AI 크리에이터와 기업의 AI 스튜디오가 가져올 미래는 정말 장밋빛일까요? 마크 저커버그는 젠슨 황의 시그래프(SIGGRAPH) 첫 방문을 환영하며 대화를 시작했죠. 젠슨 황은 현대 컴퓨팅 기술을 선도해왔으니 이 행사에 오는 게 당연하다고 칭찬했어요.메타는 오픈 소스 AI 전략으로 AI 기술을 더 쉽게 사용할 수 있.. 12-4. 교재 머신러닝 지도학습 1. 사이킷런(sklearn)라이브러리# 선형 회귀 모델을 제공하는 서브라이브러리from sklearn.linear_model import LinearRegression# 데이터 분리 기능을 제공하는 서브라이브러리from sklearn.model_selection import train_test_split# train_test_split은 sklearn.model_selection 서브라이브러리 안에 있는 모듈from sklearn.model_selection import train_test_split# LinearRegression은 sklearn.linear_model 서브라이브러리 안에 있는 모듈from sklearn.linear_model import LinearRegression# 데이터 분리 .. 이패스 신성진 김용재 와 함께하는 AI모델링 이패스 신성진 김용재 와 함께하는 AI모델링AI 모델링과 머신러닝을 배우고 싶다면? 이패스의 신성진, 김용재 강사와 함께하세요!1. NumPy 기본 튜토리얼2. Pandas 기본 문법 튜토리얼3. 파이썬 자료형 튜토리얼4. 데이터 불러오기 및 저장하기5. 데이터 선택하기6. 데이터 전처리 (결측치와 이상치)7. 데이터 전처리8. 데이터 병합과 추가9. Feature Engineering (특성 공학, 변수 파생)10. 탐색적 데이터 분석11. 시각화12-2. 머신러닝 지도학습12-1 데이터 분할 (분할, k-fold)13. 모델 평가 (모델 성능 비교)12-3. 머신러닝 분류모델 총정리12-4. 머신러닝 회귀모델 총정리 12-4. 머신러닝 회귀모델 총정리 (이패스 신성진 김용재 와 함께하는 AI모델링) 회귀모델을 위한 데이터불러오기, 전처리 작업 (데이터일반분할)이패스 신성진 김용재 와 함께하는 AI모델링# 📌 Wine 데이터 - 회귀 모델 총정리 (일반 Train/Test Split 사용)# - 다양한 회귀 모델을 학습하고 성능 평가 수행import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LinearRegression, Ridge, Lasso, ElasticNetfrom sklearn.ensemble import RandomForestRegressor, GradientBoosting.. 12-3. 머신러닝 분류모델 총정리(이패스 신성진 김용재 와 함께하는 AI모델링) 머신러닝 지도학습 분류모델 (데이터 불러오기, 전처리) - 일반분할이패스 신성진 김용재 와 함께하는 AI모델링# 📌 머신러닝 지도학습 모델 - 분류모델 총정리 (Heart 데이터 활용)# - 일반 Train/Test Split을 사용 (K-Fold 분할은 주석으로 설명)# - 각 모델의 하이퍼파라미터를 상세히 설명import pandas as pdfrom sklearn.model_selection import train_test_split, KFold, cross_val_scorefrom sklearn.preprocessing import StandardScalerfrom sklearn.metrics import accuracy_score, precision_score, recall_score, f1_.. 이전 1 2 3 4 ··· 10 다음
