Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습
(1108 김지후) - Coggle Diagram
인공지능과 학습
(1108 김지후)
기계학습과 데이터
-
-
-
문제 해결을 위한 데이터
-
데이터 공정성
데이터 수집, 처리, 사용, 공유 과정에서의 공평성과 투명성을 의미한다. 데이터 공정성은 기계학습 및 인공지능 분야에서 올바른 인공지능 활용을 위해 고려해야 하는 중요한 주제 중 하나다.
데이터 선정하기
데이터의 수집 가능성, 정보 보호 여부, 데이터의 품질, 데이터 수집 비용 등의 요인을 고려하여 조건에 부합하는 데이터를 선정해야 한다.
-
수집가능성: 수집할 방법이 없거나 수집하기 어려운 데이터는 피하고, 수집할 수 있는 데이터를 선정해야 한다.
-
데이터의 품질: 데이터의 정확성이나, 데이터가 제공자의 신뢰도가 떨어지는 데이터는 제외한다.
-
-
데이터 수집하기
기계 학습을 위해 충분한 양의 데이터인가? 편형되지 않은 데이터인가? ,필요한 속성애 대한 내용을 담고 있는 데이터인가? , 신뢰 가능한 최신의 데이터인가?
데이터셋
주제별로 모은 데이터의 집합, 데이터 분석가들이 분석을 위해 가공한 데이터들을 데이터 포털 등의 사이트에 업로드하면 그것을 내려받아 활용 가능
-
인터넷 검색 및 웹크롤링: 설문 조사, 인터뷰 결과 정리 등 다양한 방식을 통해 데이터를 정리한다.
-
핵심 속성 추출하기
데이터는 관찰이나 실험을 통해 수집되는 값들을 의미하며, 하나의 데이터는 여러개의 속성으로 구성되어 있다.데이터 속성이란 데이터를 설명하는 특징이나 성질
-
기계학습의 유형
데이터를 활용하는 방식에 따라 지도학습,비지도학습,강화학습으로 구분 할 수 있다.
기께학습 알고리즘에는 대표적으로 지도학습에 해당하는 회귀, 분류 알고리즘이 있으며, 비지도학습에는 군집 알고리즘 등이 있다.
히트맨으로 핵심 속성 추출하기
데이터의 속성 중에서 기께학습애 필요한 핵심 속성을 찾는 과정이 필요하다
시각화 할 때 사용하는 도구에는 막대그래프, 히스토그램, 원그래프, 산점도, 히트맵 등이 있다.
회귀:
-
회귀 모델은 훈련 데이터를 기방으로 독립 변수 와 종속 변수 사이의 규칙을 파악하여 수식으로 나타내고 독립변수는 주로 입력값을 의미하여, 종속 변수는 주로 결과값을 의미한다.
-
군집
비지도학습 알고리즘의 일종으로, 데이터가 어떻게 그룹화되어야 하는지 미리 정의하지 않고 컴퓨터가 데이터 패턴을 스스로 찾아내는 방식이다.
초기 상태: 군집이 정해지지 않은 데이터들이 초기 상태로 입력된다.
초기 중심점 설정:임이의 두 점을 군집의 중심점으로 설정 한다.
데이터를 군집에 활당: 각 데이터에서 두 중심점까지의 거리를 계산해 더 가까운 중심정의 군집으로 데이터를 할당한다.