Allen's 데이터 맛집

이번 프로젝트는 KAMP(Korea AI Manufacturing Platform)에서 제공하는 데이터를 활용하여 스마트 팩토리의 품질 관리 프로세스를 혁신하기 위한 분석 프로젝트입니다.특히, 크로메이트 공정 데이터를 중심으로 품질 이상 탐지 및 진단을 수행하였으며, 이를 통해 공정의 효율성을 높이고 불량률을 줄이는 것을 목표로 했습니다. 1. 프로젝트 개요1.1 스마트 팩토리와 품질 관리의 필요성스마트 팩토리는 제조 공정에 IoT와 AI 기술을 접목하여 데이터 기반의 생산성을 극대화하는 환경을 제공합니다.그중에서도 품질 이상 탐지는 공정 데이터로부터 이상 패턴을 감지해 조기 대응할 수 있는 핵심 영역으로, 생산 비용 절감과 제품 품질 향상을 동시에 추구합니다.1.2 프로젝트의 주요 데이터이번 프로젝트에..

"Benz Vehicle Price Prediction" 프로젝트는 머신러닝을 활용하여 벤츠 차량의 가격을 예측하는 모델을 개발하는 데 중점을 둡니다.이 프로젝트는 차량의 다양한 스펙과 데이터 포인트를 분석하여 가격에 영향을 미치는 주요 요인을 파악하고, 이를 기반으로 정확한 예측을 수행합니다. 1. 프로젝트 개요1.1 배경 및 필요성차량 구매나 판매 과정에서 적정 가격을 산출하는 것은 매우 중요합니다.벤츠와 같은 고급 브랜드의 경우, 가격에 영향을 미치는 요인은 복잡하고 다양하며, 이를 수작업으로 평가하기에는 한계가 있습니다.이 프로젝트는 데이터 기반 접근법으로 이러한 복잡성을 해결합니다.1.2 프로젝트 목표정확한 가격 예측:차량 스펙 데이터를 기반으로 예측 모델 생성.주요 요인 분석:차량 가격에 가장..

1. 결과 분석1.1 주요 변수의 영향판매 가격에 가장 큰 영향을 미친 변수:OverallQual: 집의 전반적인 품질.GrLivArea: 생활 공간 면적.Neighborhood: 위치 및 지역 환경.그래프 시각화변수별 가격 분포를 그래프로 표현:품질 등급이 높을수록 가격 상승.위치에 따라 큰 가격 차이 존재.1.2 모델 성능 비교Gradient Boosting 모델이 다른 모델에 비해 가장 낮은 RMSE와 높은 R²를 기록.랜덤 포레스트는 비슷한 성능을 보였으나, 실행 시간이 더 길어 실무에 적합한 최적 모델은 Gradient Boosting으로 선정.2. 최적화 및 개선 방안2.1 추가 변수 도입데이터셋에 더 많은 지역 환경 변수(학교, 교통, 상업시설 등)를 추가.외부 데이터를 연계하여 예측의 현실..

"Predict Sales Price for House" 프로젝트는 머신러닝 모델을 활용하여 주택 판매 가격을 예측하는 데 중점을 둔 프로젝트입니다.부동산 시장은 많은 요인에 의해 복잡하게 움직이며, 이러한 요인들을 분석하고 예측하는 것은 매우 중요합니다.본 프로젝트는 데이터를 기반으로 주택의 판매 가격을 정확히 예측함으로써 부동산 시장의 의사결정을 돕는 것을 목표로 합니다.  1. 프로젝트 개요1.1 프로젝트 배경부동산 가격은 주택 크기, 위치, 주변 환경 등 다양한 요인에 의해 영향을 받습니다.이 프로젝트는 데이터를 분석하고 머신러닝 모델을 활용하여 이러한 요인들과 판매 가격 간의 관계를 수학적으로 모델링합니다.1.2 프로젝트 목표판매 가격 예측:주어진 주택 데이터로부터 판매 가격을 정확히 예측.주요..