강의 소개
UCI AI4I 2020 데이터셋(1만 개 센서 측정값, 고장률 3.4%)으로 예측정비 모델을 구축하는 프로젝트. 정확도 97%의 함정을 발견하고 SMOTE로 불균형을 극복한다. 8가지 알고리즘 비교, 특성 중요도, ROC·PR 곡선, 고장 유형별(HDF/PWF/OSF) 원인 분석까지. 스마트 팩토리 AI의 실제 구현 과정을 단계별로 탐구하는 데이터과학 탐구보고서 프로젝트.
멘토 Q&A 포함
코드 자료 포함
리포트 자료 포함
강의 정보
강사
딥클래스 멘토 멘토
총 강의시간
1시간 16분
수강기한
구매일로부터 12개월
총 강의수
15개
연계 진로
공학
연계 교과
정보
커리큘럼
총 3개 섹션 · 15개 수업섹션 1. 1회차 — 데이터 탐색과 불균형 이해
5개 수업- 센서 6개가 말해주는 것 — 데이터 탐색05:00
- 3.4%의 경고 신호 — 불균형 문제 첫 등장05:00
- 고장에도 종류가 있다 — 5가지 원인 분류05:00
- 특성공학 — 온도차와 기계 동력 파생변수05:00
섹션 2. 2회차 — 모델 개발과 SMOTE
5개 수업- 정확도 97%의 함정 — 고장을 하나도 못 잡는 모델05:00
- 전처리 파이프라인 — 스케일링과 원핫인코딩05:00
- SMOTE — 합성 소수 데이터로 불균형을 뒤집다05:30
- 8가지 알고리즘 대결 — 어떤 모델이 이길까05:30
- 혼동 행렬 — 무엇을 놓쳤나05:00
섹션 3. 3회차 — 심층 분석과 결론
5개 수업- 특성 중요도 — 어떤 센서가 고장을 예측하나05:00
- ROC 곡선과 AUC — 임계값의 선택05:00
- PR 곡선 — 정밀도와 재현율의 균형05:00
- 고장 유형별 분석 — HDF vs PWF vs OSF05:30
- 결론 — AI가 공장을 바꾸는 방법05:00
멘토 소개
🏭
딥클래스 멘토 강사
딥클래스 멘토 멘토는 공학 분야의 풍부한 경험을 바탕으로 고등학생 눈높이에 맞춘 강의를 진행합니다.
수강평 0
리뷰를 작성하려면 로그인이 필요합니다
Q&A
추천도서
추천 도서가 없습니다.