본문 바로가기
728x90
반응형
SMALL

IT293

AI 시대에서 시니어 개발자가 살아남는 방법 GPT, 제미나이, 클로드 코드를 실무에 적극 도입하며 개발 패러다임의 변화를 실감하고 있다. 사실 작년부터 많은 변화가 있었고 여러 느낌들이 있었지만 최근 클로드코드 활용에 더욱 재미를 느끼고 있다. 단순히 ‘도구’를 쓰는 차원을 넘어, AI와 24시간 협업하는 구조를 만들어야 한다. 1. "내가 쉬는 동안에도 AI는 일한다"최근의 개발 경험은 '재미'를 넘어 '몰입'의 영역이다. 퇴근 후나 휴식 시간에도 원격으로 AI에게 작업을 지시하게 된다. 이제는 내가 자리를 비우는 동안 AI가 수행할 TODO 리스트를 정교하게 설계하는 것이 핵심 업무가 되고 있다. 2. 자동화의 시행착오와 안정화완전 자동화를 시도해 보았으나, AI가 기존의 정상적인 결과물을 롤백하는 등의 실수를 발견했다.물론 나의 어떤 설정 .. 2026. 4. 16.
Isolation Forest (비지도 학습) 에 대하여 IsolationForest 비지도 모델은 정답(이게 진짜 이상치다/정상이다)을 모른 채 패턴만 보고 가장 '다른' 것들을 이상치로 분류함 contamination=0.01'이상치' 로 간주할 데이터의 비율(fraction)을 지정실제 "이상 데이터" 비율이 아니라, "모델이 판정할" 이상치 비율을 명시하는 것contamination=0.01 이면 전체의 약 1%를 이상치로 분류 하겠다는 의미예를들어 1,000건 입력하면 약 10건이 outlier(-1)로 판정공식 문서: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.IsolationForest.html이 값을 너무 낮추면 이상치로 탐지되는 건수가 줄어듦 (ex. 0.005 =>.. 2025. 8. 6.
AI 코드 작성 및 분석 #1 (python) from sklearn.ensemble import IsolationForestdef detect_anomalies(features_df): feature_cols = [col for col in features_df.columns if col != 'user_id'] model = IsolationForest(n_estimators=100, contamination=0.01, random_state=42, n_jobs=-1) preds = model.fit_predict(features_df[feature_cols]) scores = model.decision_function(features_df[feature_cols]) features_df['anomaly'] = pred.. 2025. 7. 28.
머신러닝의 지도 학습과 비지도학습 지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning)은 머신러닝의 가장 핵심적인 개념이며 두 방식은 데이터에 정답(Label)이 있느냐 없느냐에 따라 근본적으로 다르다. 두 방식에 대한 비교항목지도학습비지도학습정답(label)존재(ex. 고객='이탈', 이미지='고양이')없음 (데이터 자체만 사용)목표예측, 분류, 회귀군집화, 패턴탐지, 이상탐지예시 알고리즘Linear Regression, Random Forest,XGBoost, SVM 등KMeans, DBSCAN, Isolation Forest,PCA 등학습 데이터 구성입력값x, 정답Y 쌍 필요입력값X 만 필요출력 결과정확한 값 예측 또는 카테고리 분류데이터의 숨겨진 구조나 특이 패턴 탐지적용 예시이메일.. 2025. 7. 28.
728x90
반응형
LIST

티스토리툴바