[자격증] 국내 최초 AI국가 공인자격증(AICE) 샘플 문제 풀기

안녕하세요.

이전 게시글에서 AI국가 공인 자격증이 있는것을 확인했는데요.

 

해당 사이트에서 샘플 문항을 제공해주고 있더라고요.(AICE사이트 내 - AICE 시험 - 샘플문항)

그런데 아쉽게도 답안이 없었기 때문에 제가 그냥 혼자풀면서 답안을 작성해보려고 합니다.(난인도 : Associate)

혹시 저와 같이 공부하시는 분들은 참조하시고, 틀린 내용이 있다면 댓글로 알려주시면 매우 감사하겠습니다~

 

그럼 이제 문제 풀어보도록 하겠습니다.

(문제 복사가 되지 않아서, 답안만 수기로 직성 작성하도록 하겠습니다. 문제는 위의 경로에서 확인가능합니다)

 

1번 답안

import sklearn as sk

 

2번 답안

import pandas as pd

 

3번 답안

df_a = pd.read_josn('A00007IT.json')
df_b = pd.read_csv('signal.csv')
df = pd.merge(df_a, df_b, on='RID', how='inner')
df.head()

 

4번 답안

import seaborn as sns
df =  df[df['Address1'] != '-']
sns.countplot(data = df , x='Address1')

 

5번 답안

sns.jointplot(data=df, x='Time_Driving', y='Speed_Per_Hour')

 

6번 답안

df_temp = df[df['Speed_Per_Hour']<300]
df_temp = df_temp.drop('RID', axis='columns')
df_temp.head()
#sns.jointplot(data=df_temp, x='Time_Driving', y='Speed_Per_Hour')

 

7번 답안(결측치 제거하기)

df_temp.isnull().sum()
df_na = df_temp.dropna()
df_na.isnull().sum()

 

8번 답안(불필요한 변수 삭제)

df_del = df_na.drop(['Time_Departure','Time_Arrival'], axis='columns')
df_del.head()

 

9번 답안(원-핫 인코딩 처리)

one_hot_col = ['Address1','Address2']
df_preset = pd.get_dummies(df_del, columns=one_hot_col)
df_preset

 

10번 답안

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import RobustScaler

y=df_preset['Time_Driving'].values
X=df_preset.drop('Time_Driving',axis='columns').values
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.8, random_state=42)

tran = RobustScaler()
X_train = tran.fit_transform(X_train)
X_test = tran.transform(X_test)

 

11번 답안(모델 선언 후 학습해보기)

from sklearn.tree import DecisionTreeRegressor

dt = DecisionTreeRegressor(random_state=120, max_depth=5, min_samples_split=3)
dt.fit(X_Train, y_train)
#df 학습(fit)

from sklearn.ensemble import RandomForestRegressor
rf = RandomForestRegressor(random_state=120, max_depth=5, min_samples_split=3)
rf.fit(X_Train, y_train)
#rf 학습(fit)

 

12번 답안(모델 성능평가, mean_absolute_error(mae))

from sklearn.metrics import mean_absolute_error

y_pred_dt = dt.predict(X_test)
dt_mae = mean_absolute_error(y_pred_dt, y_test)

print(dt_mae)
#결과 : 108

y_pred_rf = rf.predict(X_test)
rf_mae = mean_absolute_error(y_pred_rf, y_test)
print(rf_mae)
# 결과 : 66

#성능은 평균 에러값이 작은 rf가 성능이 더 좋음

 

13번 답안

model = Sequential()
model.add(Dense(4, activation="relu"))
model.add(Dropout(0.2))
model.add(Dense(1)

model.compile(
    optimizer="adam",
    loss="mse",
    metrics=["mse"]
)


history = model.fit(
    X_train,
    y_train,
    batch_size=30,
    epochs=16,
    validation_data=(X_test, y_test)
)

 

14번 답안

plt.plot(history.history['mse'])
plt.plot(history.history['val_mse'])
plt.legend(['mse','val_mse'])
plt.title('Model MSE')
plt.xlabel('Epochs')
plt.ylabel('MSE')

 

 

일단 위와 같이 작성해보았는데 혹시나 이상한 내용이 있거나

궁금하신점은 댓글남겨주세요~

 

추가로 위에서 설명이 부족한데, 설명을 붙이면서 풀었던 예제는

2025.04.08 - [기타] - [AI코딩] 파이썬으로 머신러닝 코딩 예제 풀기(자동차 연비 예측하기)

[AI코딩] 파이썬으로 머신러닝 코딩 예제 풀기(자동차 연비 예측하기)

해당글을 참조해주세요