ZOELOG

PHM (Prognostics and Health Management)설비(자산)의 건전성을 예측하고 예측기반으로 관리 의사결정을 돕는 기술로시스템이나 장비의 상태를 모니터링하고, 고장을 예측하며, 유지보수 계획을 최적화하기 위한 기술 및 프로세스를 의미한다.  PHM 구성요소 1. 상태 모니터링 (Condition Monitoring)   : 센서를 통해 실시간으로 시스템의 상태 데이터를 수집.  : 온도, 진동, 소음, 압력 등의 데이터를 분석하여 이상 징후 탐지. 핵심 기술센서 네트워크 : 진동, 온도, 전류, 압력, 소음 등 다양한 데이터를 실시간 수집.e.g. 가속도계, 온도 센서, 전류 센서.데이터 수집 및 통합: IoT 장비나 엣지 디바이스를 사용하여 데이터를 클라우드나 로컬 서버로 전송.e..

공정 제어 최적화(Process Control Optimization)제조 공정에서 제어 시스템을 분석하고 개선하여 효율성, 품질, 안정성을 극대화하는 기술과 방법론을 의미.공정 데이터를 기반으로 제어 변수(Control Variables)를 최적화하고, 공정 조건이 변할 때에도 안정적인 성능을 유지하도록 설계.  공정 제어 최적화 구성 요소1. 제어 변수(Control Variables) : 제어 시스템에서 조정 가능한 변수.   e.g. 롤러 속도, 정렬 정확도 등2. 공정 변수(Process Variables) : 공정에서 측정 가능한 값.   e.g. 온도, 압력, 습도, 위치 등3. 목표 변수(Target Variables) : 최적화의 목표로 삼는 결과 변수.   e.g. 공정 수율, 품질 지..

Python을 통해 ML 관련 소스코드 작성 중 추후 확장성을 위해 디자인 패턴 미리 스터디 진행  생성패턴 1.1 싱글톤(Singleton) : 클래스 인스턴스 하나만 생성class Singleton: _instance = None def __new__(cls, *args, **kwargs): if not cls._instance: cls._instance = super().__new__(cls, *args, **kwargs) return cls._instance# 사용 예시obj1 = Singleton()obj2 = Singleton()print(obj1 is obj2) # True (같은 인스턴스)    1.2 팩토리(Factory) : 객체..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소" data-og-description="의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/" data-og-url="https:..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-title="GitHub - rickiepark/Generative_Deep_Learning_2nd_Edition: 의 코드 저장소" data-og-type="object" data-ke-align="alignCenter" data-ke-type="opengraph"> GitHub..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소" data-og-description="의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/" data-og-url="https:..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-title="GitHub - rickiepark/Generative_Deep_Learning_2nd_Edition: 의 코드 저장소" data-og-type="object" data-ke-align="alignCenter" data-ke-type="opengraph"> GitHub..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다.https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소" data-og-description="의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/" data-og-url="https:/..

Udemy 강의 중 비즈니스 데이터 사이언스 사례 강의를 들으며 공부한 내용을 정리한 글이다. 연구 목표 설정 연구 목표 : 기업 과거 데이터를 기반으로 미래의 판매량을 예측해보기 (모든 계절적 영향을 고려) 데이터 집합 가져오기 먼저 사용할 라이브러리를 임포트한 뒤 구글 코랩에 마운트한다. import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt import datetime from google.colab import drive drive.mount('../경로') 사용할 데이터를 확인한다. sales_train_df = pd.read_csv('/content/drive/경로/train.csv'..

파이썬을 활용한 금융분석 - 이브 힐피시 책 내용을 기반으로 colab, jupyter notebook 으로 직접 코드 구현해보며 공부한 내용이다. 매매 전략 구현 알고리즘을 기반으로 매수, 매도, 중립 등 포지션을 취하도록 설계된 모든 종류의 금융 매매 전략을 구현해본다. (또한 과거 데이터로 분류 알고리즘을 학습시켜 미래 시장 방향을 예측하고자 하는 목표도 있다. -> 실수로 된 금융 데이터를 소수의 범주형 값으로 변환해야함) 1. 단순 이동평균 2. 랜덤워크 가설 : 시장 가격이 무작위한 움직임을 따른다는 가설. 3. 선형 회귀분석 4. 클러스터링 : 비지도 학습 5. 빈도주의 방법론 6. 분류 알고리즘 7. 심층 신경망 단순 이동 평균 import numpy as np import pandas a..