데이터 과학

AI 개발용 Linux 시스템 구축리눅스 설치 · 한글화 · LibreOffice · NVIDIA 드라이버 · PyCharm · PyTorch GPU 테스트AI 연구용 노트북 반복 설치 기준Ubuntu 26.04 기준NVIDIA GPU 노트북한글 입력 포함PyCharm Snap 직접 설치목차설치 전 준비Ubuntu 설치 화면 진행시스템 업데이트한글화 및 한글 입력Python / pip / GitLibreOffice 직접 설치NVIDIA 드라이버PyCharm 설치 및 설정AI 개발환경과 PyTorch GPU 테스트보조 프로그램자주 발생하는 오류최종 점검표1. 설치 전 준비새 노트북에 Ubuntu를 설치하기 전에 아래 항목을 확인합니다. AI 실습용이면 NVIDIA GPU, 32GB 이상 RAM, 500GB..

NSMC 원본 txt 파일을 직접 다운로드해서 KoBERT로 학습하는 파이썬 소스입니다. 설치: !pip install -q transformers accelerate sentencepiece scikit-learn pandas tqdm 데이터 다운로드: !wget -q https://raw.githubusercontent.com/e9t/nsmc/master/ratings_train.txt!wget -q https://raw.githubusercontent.com/e9t/nsmc/master/ratings_test.txt 라이브러리 불러오기: import pandas as pd import numpy as np import torch from sklearn.model_selection import..

이번에는 합성곱 신경망을 활용한 알파고 프로그램을 제작해 보겠습니다. 바둑 프로그램 전체를 제작하는 것은 환경적으로 어려움이 있으니 미니 알파고 프로그램을 제작해 보겠습니다. CNN → 다음 착수 확률을 예측하는 모델부터 시작하세요.추천 개발 단계1단계: 바둑판 표현19×19은 어렵기 때문에 처음에는 9×9 바둑 추천합니다.입력 데이터는 보통 이렇게 만듭니다. board_state.shape = (채널수, 9, 9) 예:채널 1: 내 돌 위치채널 2: 상대 돌 위치채널 3: 빈 칸채널 4: 패 여부 / 착수 금지 위치 2단계: CNN 정책망 만들기처음 목표는 “이 상황에서 어디에 둘까?”를 예측하는 것입니다. import torchimport torch.nn as nnimport torch.nn.f..

인공지능이 단백질 구조를 예측한다는 것은 무엇일까최근 인공지능 기술은 단순히 글을 생성하거나 이미지를 만드는 수준을 넘어 생명과학 분야까지 빠르게 확장되고 있습니다. 특히 단백질 구조 예측 분야에서는 AlphaFold와 RoseTTAFold 같은 인공지능 모델이 등장하면서 생명과학 연구 방식 자체가 크게 변화하고 있습니다.과거에는 단백질의 구조를 알아내기 위해 X선 결정학(X-ray crystallography), 핵자기공명(NMR), 저온전자현미경(cryo-EM) 같은 복잡한 실험 장비와 오랜 연구 시간이 필요했습니다. 하지만 이제는 단백질의 아미노산 서열만 입력해도 인공지능이 단백질의 3차원 구조를 상당히 정확하게 예측할 수 있게 되었습니다.그중 RoseTTAFold는 미국 워싱턴대학교 David B..

로제타폴드(RoseTTAFold)와 AI 기반 단백질 구조 예측의 혁신초록로제타폴드(RoseTTAFold)는 미국 워싱턴대학교 David Baker 연구팀이 개발한 딥러닝 기반 단백질 구조 예측 인공지능 모델이다. 기존 단백질 구조 예측은 X선 결정학, 저온전자현미경(cryo-EM), 핵자기공명(NMR)과 같은 실험 기반 방법에 의존했기 때문에 시간과 비용이 매우 많이 필요했다. 그러나 RoseTTAFold는 단백질의 아미노산 서열만으로 단백질의 3차원 구조를 예측할 수 있도록 설계되었으며, 생명정보학과 인공지능이 융합된 대표적 사례로 평가받고 있다.RoseTTAFold는 단백질 서열 정보, 잔기 간 거리 정보, 3차원 좌표 정보를 동시에 처리하는 three-track neural network 구조를 ..

AlphaFold 3는 DeepMind이 개발한 차세대 단백질 구조 예측 인공지능 모델로, 기존의 AlphaFold 2를 기반으로 하면서 예측 범위와 모델 구조 측면에서 근본적인 확장을 이룬 시스템입니다.기존 AlphaFold 2가 단일 단백질의 3차원 구조 예측에 초점을 두었다면, AlphaFold 3는 생체 내에서 실제로 이루어지는 분자 간 상호작용까지 포함하여 복합적인 생명 시스템 수준의 구조를 예측할 수 있는 모델입니다. AlphaFold 3의 가장 큰 특징은 예측 대상이 단일 단백질에서 단백질, DNA, RNA, 리간드, 이온 (Mg²⁺ 등) 등을 포함한 복합체로 확장되었다는 점입니다.이는 단백질 구조 자체의 형태를 파악하는 수준을 넘어, 다양한 생명 분자들이 서로 결합하고 상호작용하는 상태를..

현대 사회에서 우리는 수많은 통계와 데이터를 접한다. 선거 여론조사, 경제 지표, 사회 조사, 시장 조사 등 다양한 분야에서 데이터는 현실을 설명하는 중요한 근거로 사용된다. 그러나 이러한 데이터는 대부분 모집단 전체를 조사한 결과가 아니라 일부 표본(sample)을 기반으로 만들어진다. 현실적으로 모든 사람이나 모든 대상을 조사하는 것은 시간과 비용의 측면에서 거의 불가능하기 때문이다. 따라서 통계학에서는 모집단(population)을 대표할 수 있는 일부 집단을 선택하여 분석하는 표본 추출(sampling) 방법을 사용한다. 문제는 표본이 모집단을 얼마나 정확하게 대표하는가에 있다. 만약 표본이 모집단의 특성을 제대로 반영하지 못한다면, 그로부터 도출된 데이터 역시 현실을 정확하게 설명하지 못하게 된..

제1장. 데이터의 사회적 구성: 숫자는 ‘발견’되는가, ‘만들어지는가?’현대 사회에서 숫자와 데이터는 객관성과 과학성을 상징하는 도구로 널리 인식된다.정책 결정, 과학 연구, 경제 분석, 교육 평가 등 다양한 영역에서 숫자는 현실을 정확하게 반영하는 사실처럼 사용된다. 그러나 데이터는 자연 속에 이미 존재하는 객관적 실체를 단순히 발견하는 것이 아니라, 인간이 특정한 개념을 정의하고 이를 측정 가능한 형태로 변환하는 과정에서 만들어지는 산물이다. 다시 말해 데이터는 현실을 있는 그대로 복제한 결과가 아니라, 인간이 현실을 이해하기 위해 구성한 지식 체계의 일부이다. 데이터가 생성되는 과정에는 개념의 정의, 측정 방식의 선택, 수치화 과정, 그리고 해석 단계가 포함된다. 이러한 과정에서 연구자의 이론적 관..

AP Comsci. 를 준비하면서 가장 처음 만나게 되는 예제가 BankAccount 입니다. 교재에서는 아주 간단하게 나와 있는데, 프로그램 안에 있는 내용을 채우면 아래 예제와 같은 내용을 만들 수 있습니다. public class BankAccount{private String password;private double balance;public static final double OVERDRAWN_PENALTY = 20.00;//constructors/** Default constructor.* Constructs bank account with default values. */public BankAccount(){password = "";balance = 0.0;}public BankAcc..