프로젝트 품질관리 소프트웨어 품질 정의 : 사용자의 요구와 부합되는 정도 프로젝트 관리자 관점의 좋은 소프트웨어 : 추가 부담(기간,비용)이 발생하지 않는 소프트웨어 개발자 관점의 좋은 소프트웨어 : 개발하기 쉽고 사용 중 내용 추가 및 코드 수정이 쉽고 편리하게 변경 가능한 소프트웨어 è 코딩 표준에 맞게 개발된 프로그램 유지보수자 관점의 좋은 소프트웨어 : 작성된 코드가 코딩 규칙 및 표준을 따르고 주석문이 많이 포함된 소프트웨어 è 가독성이 높고 쉽게 이해할 수 있게 개발된 소프트웨어 구매 담당자 관점의 좋은 소프트웨어 : 값이 싼 소프트웨어 사용자 관점의 좋은 소프트웨어 : 배우기 쉽고, 사용하기 편리하며, 다양한 기능을 제공하고, 응답 시간이 빠른 소프트웨어 è 첫 사용자나 숙련된 사용자 모두 ..

비용산정방법 1. 문제의 정의 - 문제 정의 : 소프트웨어 개발의 첫 작업 : 무엇을 개발할 것인지 명확히 정의 : 개발 범위를 결정 è 프로젝트의 초기 타당성과 초기 계획을 작성할 수 있는 기초로 활용된다 - 문제 정의를 위한 필요 사항 : 개발하고자 하는 영역의 배경 지식 필요 : 문제를 파악하기 위해 현재 운영 중인 시스템을 사용해본다 : 실무 담당자와 면담하여 자료를 수집한 후 면밀히 분석 2. 타당성 분석 - 경제적 타당성 ( Economic Feasibility ) : 경영자 = 투자 효율성 ( Cost Benefit Analysis ) 에 관심 : 분석가 = 투자 대비 효과 검토 후 경영자에게 정확한 정보 제공 : 시장 분석을 통한 시장성 ( Marketability ) 확인 è 개발 여부 ..

기획의 개념 1. 꾀할 기 + 그을 획 = 기획 2. 꾀하다 + 계획하다 = 일을 꾀하여 계획한다 기획의 목적 1. 해결하고자 하는 대상이나 프로젝트에 대한 방법과 목적을 구체적인 사안을 통해 상대방을 설득하여 목적 대상에 대한 합리적인 방안을 제시하기 위한 것 기획의 정의 1. 보다 나은 수단으로 목표를 달성하기 위하여 장래의 행동에 관한 일단의 결정을 준비하는 과정이며, 어떤 대상에 대해 그 대상의 변화를 가져올 목적을 확인하고 그 목적을 성취하는 데에 가장 적합한 행동을 설계하는 것을 의미 무엇을 , 어떻게 à 상대방을 설득,공감 유도 à 해결책 제시 기획자의 역할 1. 제안 요청서에 대한 분석, 전체 프로젝트의 방향과 목표 설정, 제안서 작성, 일정 계획 수립, 화면 설계, 클라이언트와의 커뮤니케..

전에 각각의 알고리즘을 적용해서 game_price를 예측했다. 그런데, 알고리즘 적용 후의 예측값과 적용 전의 값의 차이가 존재했고 그 값의 차이를 줄이기 위한 방법은 다음과 같다. # Gradientboosting regressor 알고리즘을 사용해서 가격예측을 해야한다. # 예측되어진 값에서 예측전의 값을 빼면 두 값의 편차가 생긴다. # 이 편차값을 예측되어진 값에서 뺀다면 원래 초기가격에 맞춰지지 않을까 생각을 하였다. # 이 때 두가지 가정이 주어진다 # 적용 전의 값 - 적용 후의 값 : 양수 or 음수 # 양수일 때는 적용전의 값이 클때이며 # 음수일 때는 적용 후의 값이 더 클때이다. # 양수일때와 음수일때의 계산을 다르게 해야할 필요를 느꼈다. 코드를 통해서 확인해 본다. # 예측전의 ..

201303017_김인우_빅데이터기술 최종발표 자료 목차 Par1. 1. 데이터셋 설명 2. 데이터 분석 3. 알고리즘 적용 4. 수정된 점 5. 최종결과 Part1 데이터셋 설명 먼저 최종 데이터셋은 다음과 같다. 내가 최종적으로 예측하고자 하는 Y값은 game_price이며, 예측에 필요한 feature들은 다음과 같다. Game_positive(게임의 긍정적인 수), game_negative(게임의 부정적인 수), game_owners(게임 소유자들), game_initialprice(게임 초기가격), game_discount(게임의 할인율) 왜 게임 가격 예측인가? 게임가격은 소비자들의 입장에서 매우 민감한 부분 중 하나이다. 민감한 부분인만큼 어떠한 부분이 게임가격에 영향을 미치는지 궁금했다. ..

코드를 보면서 확인해 보겠다. import pandas as pd import numpy as np import statsmodels.api as sm from sklearn import linear_model from sklearn.linear_model import LinearRegression import matplotlib.pyplot as plt 먼저 필요한 library를 임포트한다. # Excel read pd.set_option('display.max_columns', None) DATA_PATH ="C:/Users/user/Desktop/Data/Data.xlsx" full_dataframe = pd.read_excel(DATA_PATH, sep=',') X = full_dataframe..