A. 마일리지 또는 엔진 온도를 기준으로 차량을 그룹화하여 유지 관리 패턴을 구축하기 위한 K-means 알고리즘 사용

B. 신경망 시각화를 사용하여 AI 모델이 계층을 통해 데이터를 처리하는 방식을 보여줍니다.

C. 특정 기능이 예측에 어떻게 기여하는지 분석하기 위해 로컬 해석 가능 모델 독립적 설명(LIME)을 사용합니다.

D. SVM(지원 벡터 머신)을 활용하여 유지 관리 긴급성에 따라 차량을 분류합니다.

A. 한 필드 내의 여러 데이터 속성을 개별 속성 열로 분리

B. 데이터 세트에서 중복 항목 식별 및 삭제

C. 관리 가능한 양의 상관 관계 및 결과 분석을 위해 수치 데이터를 빈이나 버킷에 배치합니다.

D. 그룹 내의 평균, 중앙값 또는 최빈값을 사용하여 레코드의 빈 속성 채우기

A. 모델의 예측을 스트레스 테스트하는 시나리오를 시뮬레이션하기 위해 적대적 테스트를 사용합니다.

B. 수신 환자 데이터 분포를 훈련 데이터 세트와 비교합니다.

C. 업데이트된 환자 데이터와의 일치를 보장하기 위해 주기적 모델 재교육 수행

D. 의료 전문가가 AI 모델의 권장 사항을 수정할 수 있도록 재정의 적용

A. AI 시스템 출력의 연쇄적 실패

B. AI 시스템이 어디에 있는지 식별할 수 없음

C. AI 알고리즘 프로세스 문서화의 어려움

D. 시스템 출력의 불일치 여부를 확인하지 않음

A. AI 하드웨어에 필요한 공간

B. AI 구현 비용

C. AI 구현 속도

D. AI의 윤리적 의미