예) 강화 터미널 -> 홍대 입구

이유: 사람마다 발음, 억양, 속도가 모두 다르며, 배경 소음 등 변수도 많습니다. 기계학습, 특히 딥러닝 기술은 수많은 음성 데이터를 학습하여 사람의 복잡하고 비정형적인 음성 패턴을 높은 정확도로 인식하고 이해할 수 있게 합니다.

많은 기업들이 이용자와 상호 작용하는 방법으로 챗봇을 사용하는 경우가 많다. 챗봇은 질문에 답변하거나 질문에 응답할 수 있는 충분한 직원이 없는 기업의 고객 서비스 옵션으로 사용되는 경우가 많다. 이러한 기업은 챗봇을 사용하여 고객들로부터 중요한 정보를 얻는 동시에 직원의 시간을 다른 작업에 쓸수가 있다 또한 챗쮜피티는 빅데이터를 기반으로 하기때문에

접속량이 많은 시간대에 챗봇은 유용하게 쓰인다. 많은 질문에 답할 수 있으며 이를 통해 이용자에게 보다 나은 서비스를 제공할 수있다

자율주행 자동차는 주변 환경 인식, 상황 판단, 주행 제어의 세 단계를 지원 하여, 방대한 데이터를 학습하여 보행자나 장애물을 감지하고, 수신호와 같은 복잡한 상황을 이해하여 인간처럼 다양한 주행 환경에 적절하게 대응할 수 있게 한다.

자동변역 이유: 자동번역을 사용하는 주된 이유는 시간, 비용, 그리고 편의성 때문이다. 특히 AI 기술이 발전하면서 자동번역의 정확도와 자연스러움이 크게 향상되어, 다양한 분야에서 활용도가 높아지고 있습니다.

왜냐하면 길이의 평균이 4쩜 대이고

너비의 평균은 1쩜대이다 최대가 각각

55,111이므로 평균대비 엄청 크기떄문에 이상치에 해당된다 !!!

이유: 꽃잎 길이의 평균은 4 점 대인데 그에 비에 최댓값이 55 점 대이기 때문에 이상피이다. 또한 꽃잎 너비에서도 평균이 1 점 대이지만 최댓값이 111 점 대이기 때문에 너무 큰 차이가 있다.

- 수행 목표

Kaggle에서 데이터셋을 선택하여, 데이터 전처리 및 지도 학습 알고리즘을 활용해 문제를 해결하는 인공지능 모델 개발 과정 전체를 경험하고 보고서로 제출한다.

주요 학습 내용

문제 정의, EDA (탐색적 데이터 분석), 결측치/이상치 처리, 특성 인코딩, 모델 선정 및 학습제출 기한

2025년 O월 O일 (O요일) 자정까지

제출물

① 프로젝트 보고서 (PDF)

② 분석 코드 파일 (ipynb 또는 py)

2. 프로젝트 진행 단계 및 평가 요소

본 프로젝트는 총 4단계로 구성되며, 각 단계별로 지금까지 배운 내용을 적용해야 합니다.

A. 문제 정의 및 데이터 탐색 (EDA)

내용주요 활동 및 평가 요소데이터셋 선정Kaggle에서 [타이타닉 생존 예측], [와인 품질 예측], [고객 이탈 예측] 등 이진 분류나 다중 분류가 가능한 데이터셋 중 하나를 선택하고 선정 이유를 명확히 제시.문제 정의해당 데이터셋으로 '무엇을 예측할 것인지(종속 변수)'를 명확히 정의하고, 예측의 목표와 가치를 서술.데이터 구조 파악df.info(), df.describe() 등을 활용하여 데이터의 크기, 결측치 여부, 특성(Feature) 타입(수치형/범주형) 등을 분석 (최소 2가지 이상 분석 결과 제시).

B. 데이터 전처리 (Data Preprocessing)

내용주요 활동 및 평가 요소결측치 처리Age와 같이 결측치가 있는 특성에 대해 삭제, 중앙값/평균값 대치 등 적절한 방법을 선택하고 그 이유를 설명.이상치 처리Box Plot을 활용해 이상치를 시각적으로 확인하고, 이상치가 발견된 특성에 대해 제거 또는 대치 등의 처리 과정을 명시. (Iris 분석 경험 활용)특성 인코딩Sex, Embarked 등 문자열로 된 범주형 특성에 대해 One-Hot Encoding 또는 Label Encoding을 적용하고 그 이유를 설명.

C. 알고리즘 선정 및 모델 학습

내용주요 활동 및 평가 요소알고리즘 선정문제 유형(분류 또는 회귀)에 적합한 기계 학습 알고리즘(예: Decision Tree, KNN, Logistic Regression)을 선택하고, 선정 이유를 제시.모델 학습 및 평가데이터를 훈련용(Train)과 테스트용(Test)으로 분리하여 모델을 학습시키고, 테스트 데이터셋을 활용하여 모델의 정확도(Accuracy)를 측정.

D. 결과 분석 및 결론 도출

내용주요 활동 및 평가 요소모델 해석모델 학습 결과를 바탕으로 가장 중요한 특성(Feature Importance)이 무엇인지 분석하고, 이 특성이 예측에 미치는 영향을 서술. (예: "타이타닉 생존 예측에서 '성별'이 가장 중요한 특성이었다.")결론프로젝트의 한계점과 모델 성능 개선을 위한 추가적인 아이디어를 제시.

3. 보고서 작성 지침

• 형식: A4 용지 5페이지 내외 권장. (표지 및 참고 자료 제외)

• 구성: 서론(문제 정의 및 데이터 선정 이유) → 본론(전처리 과정 및 시각화, 모델 학습) → 결론(결과 해석 및 논의).

• 시각화: 최소 3개 이상의 시각화 자료 (히스토그램, 박스 플롯, 산점도 등)를 삽입하고, 각 그래프에 대한 해석을 명확하게 작성해야 합니다