매정's

Q: Deep learning code using python with proba Here is an example of deep learning code using Python with probability: import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers # Define the model architecture model = keras.Sequential([ layers.Dense(64, activation='relu', input_shape=(784,)), layers.Dropout(0.5), layers.Dense(10, activation='softmax') ]) # Compile th..

https://doi.org/10.1016/j.eswa.2022.117405

# 출력을 원하실 경우 print() 함수 활용 # 예시) print(df.head()) # getcwd(), chdir() 등 작업 폴더 설정 불필요 # 파일 경로 상 내부 드라이브 경로(C: 등) 접근 불가 # 데이터 파일 읽기 예제 import pandas as pd import numpy as np import sklearn from sklearn import * X_test = pd.read_csv("data/X_test.csv") X_train = pd.read_csv("data/X_train.csv") y_train = pd.read_csv("data/y_train.csv") # 사용자 코딩 # 답안 제출 참고 # 아래 코드 예측변수와 수험번호를 개인별로 변경하여 활용 # pd.DataFra..

모든 레코드 조회하기 SELECT * FROM ANIMAL_INS ORDER BY ANIMAL_ID 역순 정렬하기 SELECT NAME, DATETIME from ANIMAL_INS ORDER BY ANIMAL_ID desc 아픈 동물 찾기 SELECT ANIMAL_ID,NAME FROM ANIMAL_INS where INTAKE_CONDITION='Sick' 어린 동물 찾기 SELECT ANIMAL_ID,NAME FROM ANIMAL_INS where INTAKE_CONDITION!="Aged" order by ANIMAL_ID 동물의 아이디와 이름 SELECT ANIMAL_ID,NAME from ANIMAL_INS order by ANIMAL_ID 여러 기준으로 정렬하기 SELECT ANIMAL_ID..

1. Introduction CS의 중요성: Customer service(CS)은 소득을 얻는 데에 있어서 중요하다. 전통적 CS의 문제점 & 챗봇이 CS에 적합한 이유: 전화, 메시지 같은 전통적인 CS는 두 가지 문제점을 갖는다. 관리자는 고객들로부터 반복적인 질문을 받는다. 7*24, 즉 연중무휴, 항상 CS 지원이 어렵다. -> 따라서 챗봇이 CS에 적합 사람이 응답하는 챗봇 형식의 경우의 단점 - 고객은 담당자의 답변을 얻기 위해 기다려야하고, 규모가 커지면 처리가 어렵기 때문에 효과적이지 않다. - 고객들은 프라이버시 문제를 걱정하기 때문에 대화내용을 train data로 사용하기 어렵다. -> 따라서, SuperAgent CS 챗봇을 제안 대형 e-commerce 웹사이트는 제품에 대한 설..