[Á÷¹«³»¿ë]
µ¥ÀÌÅÍ ºÐ¼®°¡ ±¸ÀÎ
- ÁÖ¿ä¾÷¹« : Á¦ÁÖµµ °ü·Ã °ø°ø µ¥ÀÌÅÍ ¹× ¹Î°£ µ¥ÀÌÅÍ ¼öÁý ¹× ºÐ¼®
AI¸ðµ¨ ¼³°è ¹× Á¤·®Àû ºÐ¼® ¼öÇà
Á¤ºÎ °úÁ¦ ´ëÀÀ¿ë ºÐ¼® ¸®Æ÷Æ® ÀÛ¼º ¹× ½Ã°¢È ÀÚ·á ¼³°è
ÇÁ·ÎÁ§Æ® ´ÜÀ§ µ¥ÀÌÅÍ Àü·« ¼ö¸³ ¹× ½ÇÇà
Á¤ºÎÁö¿ø»ç¾÷ ¹ß±¼ ¹× Á¦¾È¼ ÀÛ¼º
- ÀÚ°Ý¿ä°Ç : °æ·Â 3³â ÀÌ»ó 7³â ÀÌÇÏÀÇ µ¥ÀÌÅÍ ºÐ¼® ½Ç¹« °æÇèÀÚ
Python, R µî µ¥ÀÌÅÍ ºÐ¼® Åø Ȱ¿ë ´É¼÷ÀÚ
Pandas, Numpy, Scikit-learn µî Ȱ¿ë ´É·Â º¸À¯
Tableau, Power BI µî ½Ã°¢È Åø °æÇèÀÚ
Åë°è/¼öÇÐ/ÄÄÇ»ÅͰøÇÐ/»ê¾÷°øÇÐ µî °ü·Ã Àü°øÀÚ
- ¿ì´ë»çÇ× : °ø°ø±â°ü µ¥ÀÌÅÍ ºÐ¼® ÇÁ·ÎÁ§Æ® °æÇèÀÚ
AI°ü·Ã Á¤ºÎ°úÁ¦ Âü¿© °æÇè
Ŭ¶ó¿ìµå(AWS/GCP) ±â¹Ý ºÐ¼® ȯ°æ ±¸Ãà °æÇè
[±Ù¹«½Ã°£ ¹× ÇüÅÂ]
ÁÖ 5ÀÏ ±Ù¹«
À¯¿¬±Ù¹«Á¦ ½ÃÇà (ÃÑ 5°³ÀÇ ÃâÅð±Ù ½Ã°£ÀÌ ÀÖÀ¸¸ç ºÐ±âº°·Î ¼±Åà °¡´É)
ex) 8½Ã~16½Ã30ºÐ, 8½Ã30ºÐ~17½Ã, 9½Ã~17½Ã30ºÐ, 9½Ã30ºÐ~18½Ã, 10½Ã~18½Ã30ºÐ
ÁÖ¼ÒÁ¤±Ù·Î½Ã°£ : 40½Ã°£
[±Þ¿©Á¶°Ç]
- ¿ù±Þ
3000000¿ø ÀÌ»ó
- »ó¿©±Ý : 0%
(¹Ì Æ÷ÇÔ)
[Àå¾ÖÀÎä¿ëÈñ¸Á¿©ºÎ]
ºñÈñ¸Á
[º´¿ªÆ¯·Ê]
- ºñÈñ¸Á