Description
개인 정보 보호와 광범위한 데이터 사용의 균형을 이루다.
머신러닝 모델을 구축하고, 테스트를 진행하려면 크고 다양한 종류의 데이터가 필요하다. 그러나 대부분의 데이터셋은 개인 정보 문제로 사용이 제한적이라 광범위하게 사용할 수 없다. 이 책에서는 실제 데이터로 새로운 데이터를 만드는 실용적인 합성 데이터 기술을 소개한다. 합성 데이터는 이차 분석에 용이하여 데이터 연구, 고객 행동의 이해, 신제품 개발 등 다양한 목적으로 활용될 수 있다.
이 책은 실제 데이터를 합성해 다양한 산업에서 사용할 수 있는 방법을 제공하며, 개인 정보 문제를 해결하는 방법을 다룬다. 또한 실제 데이터셋에서 합성 데이터를 생성하기 위한 원칙과 단계를 배운다. 더 나아가 합성 데이터가 제품이나 솔루션 개발에 드는 시간을 어떻게 단축할 수 있는지를 학습한다.
● 다변량 정규 분포를 사용해 합성 데이터 생성하기
● 다양한 적합도 메트릭을 분포 적합하기
● 원본 데이터의 구조를 복제하기
● 관계가 복잡한 데이터를 모델링하기
● 데이터 효용성을 평가하는 방식과 측정 기준 정하기
● 실제 데이터를 분석해 합성 데이터를 복제하기
● 합성 데이터의 개인 정보와 신원 노출을 평가하기
이 책은 실제 데이터를 합성해 다양한 산업에서 사용할 수 있는 방법을 제공하며, 개인 정보 문제를 해결하는 방법을 다룬다. 또한 실제 데이터셋에서 합성 데이터를 생성하기 위한 원칙과 단계를 배운다. 더 나아가 합성 데이터가 제품이나 솔루션 개발에 드는 시간을 어떻게 단축할 수 있는지를 학습한다.
● 다변량 정규 분포를 사용해 합성 데이터 생성하기
● 다양한 적합도 메트릭을 분포 적합하기
● 원본 데이터의 구조를 복제하기
● 관계가 복잡한 데이터를 모델링하기
● 데이터 효용성을 평가하는 방식과 측정 기준 정하기
● 실제 데이터를 분석해 합성 데이터를 복제하기
● 합성 데이터의 개인 정보와 신원 노출을 평가하기
머신러닝을 위한 실전 데이터셋 (개인 정보를 보호하고 머신러닝 학습에 사용할 합성 데이터 만들기)
$18.00