주간기술동향 2067호 - "딥러닝 기반 시계열 예측(Time Series Forecasting) 모델 동향" 학습 및 요약 (자료 수집 중)

 

향후 포스팅을 계획하고 있는 토픽

 

멘토링

주간기술동향 2067호에는
"딥러닝 기반 시계열 예측(Time Series Forecasting) 모델 동향"에 대해 나와 있는데,
인공지능 도메인은 기술사 시험 준비할 때 혼자 공부하기가 상당히 어려운 영역이어서
IITP 주간기술동향을 자주 참조하시는 습관을 가지시면 좋습니다.

꼭 원본 파일을 읽어 보시길 권고 드립니다.
나중에 시간내서 요약본을 포스팅 해 보겠습니다. 

 

---

시계열 데이터 예측

- 계량통계학 기반의 예측 모델
  : ARIMA, VAR 등

- 딥러닝 모델
  : RNN, ODE 및 CDE 기반 모델, Transformer 계열 모델, GCN 계열 모델 등

 

기출 문제

 

(모의)
연도별, 분기별, 월별 등 시계열로 관측되는 자료를 분석하여 미래를 예측하기 위해 시계열 분석을 많이 사용한다. 다음 사항에 대해 설명하시오.

1) 시계열 분석에 사용되는 정상성
2) 시계열 모형인 자기 회귀 모형(AR 모형), 이동 평균 모형(MA 모형)
3) 시계열 모형인 자기 회귀 누적 이동평균 모형(ARIMA 모형)과 ARIMA 모형의 차수
4) 시계열의 분해 요인인 추세 요인(Trend Factor), 계절 요인(Seasonal Factor), 순환 요인(Cyclical Factor), 불규칙 요인(Irregular Factor)

 

(응용 120-1-2)
순환 신경망(Recurrent Neural Network : RNN)

 

(모의)
자연어 처리를 위한 Attention, Transformer, T5에 대해 설명하시오.

 

참고 자료

 

정보통신기획평가원에 오신 것을 환영합니다. (iitp.kr)

정보통신기획평가원에 오신 것을 환영합니다.