[G1-Sync] Manual knowledge update
This commit is contained in:
@@ -1,12 +1,12 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-EPDM-001
|
||||
id: [[P-Reinforce]]-AUTO-EPDM-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, epidemiology, modeling, sir-model, public-health, simulation, forecasting]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Epidemiological-Modeling]]
|
||||
# [[Epidemio[[Logic]]al-Modeling]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "질병 확산의 수학적 예언: 바이러스의 전파 속도, 사람 간 접촉 패턴, 면역 생성률을 수식에 담아 '언제 정점에 도달하고 얼마나 많은 백신이 필요한가'를 예측하여 국가의 방역 정책을 결정하는 데이터 과학의 창."
|
||||
@@ -18,7 +18,7 @@ last_reinforced: 2026-04-20
|
||||
* **Susceptible (S)**: 감염 가능한 인구.
|
||||
* **Infectious (I)**: 감염자.
|
||||
* **Recovered (R)**: 회복자/면역자.
|
||||
* **R0 (Basic Reproduction Number)**: 감염자 1명이 평균적으로 감염시키는 인원수. R0 > 1 이면 대유행 발생. (Statistics와 연결)
|
||||
* **R0 (Basic Reproduction Number)**: 감염자 1명이 평균적으로 감염시키는 인원수. R0 > 1 이면 대유행 발생. ([[Statistics]]와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 봉쇄 정책, 마스크 착용, 백신 접종 등의 정책 변화 정책이 실제 확산세 정책에 미치는 영향을 데이터로 미리 검증할 수 있기 때문임. (Simulation와 연결)
|
||||
|
||||
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-20
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Simulation, [[Statistics]], Complexity-Science, [[Risk-Management]], [[Sustainability]], Bio-Informatics
|
||||
- **Key Milestone**: COVID-19 real-time modeling and strategy.
|
||||
- **Key Milestone**: COVID-19 real-time modeling and [[Strategy]].
|
||||
---
|
||||
|
||||
Reference in New Issue
Block a user