Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능과 학습 (1204 김도완) - Coggle Diagram

- - - - 기계학습을 이용하여 문제를 해결하기 위해서는 문제 상태를 정확히 파악하고 정의 할 수 있어야 한다 또한 정의한 문제가 기계학습을 통해 해결할수있는 문제인지 확인해야한다
        
        문제 해결을 위한 데이터:인공지능은 훈련 데이터를 바탕으로 학습하기 때문에 대용량의 품질 좋은 훈련 데이터가 필요하다 만약 훈련 데이터의 질이 좋지 않거나 질이 좋더라도 양이 충분하지 않으면 기계학습 모델의 성능은 높지 않을 것이다
        
        예시:의류 산업에 기계학습을 활용하기 남성의 체형관련 응답을 받고 이것을 분석해 크게 네가지 유형으로 구분하고 사용자의 신체 정보를 입력하면 유형과 추천 스타일을 알려주는 인공지능이 있다
        
        반면 기계학습을 이용해 우리나라의 저출산 문제를 해결한다고 가정해보자 저출산 문제는 다양한 요인이 복합적으로 작용해 발생했기 떄문에 인공지능의 학습에 필요한 우수한 품질의 데이터를 적절히 확보하기 어렵다
  - - - 데이터 수집을 위해 공공 기관에서 제공하는 데이터를 활용할 수도 있고 직접 데이터를 수집할수도 있다
- - - - 핵심속성 이해하기
        
        데이터의 모든 속성은 기계학습에 어떤 영향을 미치는지 확인해야한다
        문제 해결에 필요한 속성만 선택하여 사용해야 기계학습의 성능을 높일수있다
      - 히트맵으로 핵심 속성 추출하기
        
        데이터의 속성 중에서 기계학습에 필요한 핵심 속성을 찾는 과정이 필요하다 이 때 데이터를 시각화하면 어떤 속성이 문제 해결에 필요한지 직관적으로 판단할 수 있으며 속성 간의 관계를 쉽게 파악할 수 있다
        시각화할떄 사용하는 도구는 막대그래프,히스토그램,원그래프,산점도,히트맵이 있다
  - - - 결측치 처리하기
        
        결측치란 데이터의 값이 비어있거나 누락된 상태를 말한다 결측치가 있으면 데이터를 분석하는 과정에서 에러가 발생하거나 잘못된 결과가 산출되어 기계학습 모델 성능에 부정적인 영향으로 미칠수 있다
        결측치를 처리하는 방법은 결측치가 있는 행이나 열을 삭제하는 방법과 대표값으로 결측치를 대체하는 방법이있다
      - 이상치 처리하기
        
        이상치는 평균적인 데이터 범위보다 지나치게 높거나 낮은 수치의 값을 말한다 이상치가 데이터에 존재하면 분석결과가 왜곡될수있으므로이를 적절하게 처리 해야한다 이상치를 처리하기 위해서는 정상범위의 기준을 정해야 한다 이떄 가장 많이 사용되는 방법은 데이터를 시각화하여 속성들의 분포를 살펴보는 것이다
- - - - 선형 회귀 알고리즘은 예측값과 실젯값의 오차를 최소화 하는 가설함수를 찾고 최적화하며 학습을 진행한다
    - - 분류 모델을 만들 떄 주로 사용하는 대표적인 알고리즘으로는 로지스틱 회귀알고리즘이 있다
  - - - 비지도 학습은 정답을 알려주지 않고 데이터 만을 제시하여 학습하는 방법이다
      - 강화 학습은 답을 직접 알려주지 않고 컴퓨터가 제시한 답안에 대해 보상을 다르게 줌으로써 정답에 가까워지도록 하는 방법으로 행동을 할떄마다 외부 환경에서 주어지는 보상이 최대치가 되도록 학습한다
      - 지도학습은 데이터를 이용하여 학습할떄 사전에 정답이있는 데이터를 활용하는 것이다
- - - - 인공신경망과 퍼셉트론:인공신경망은 인간의 신경망 구조를 모방해 컴퓨터로 처리할수 있도록 구현 한 것이다 퍼셉트론은 이러한 인공신경망을 실제로 구현한 연산 장치이다
        
        하지만 단층 퍼셉트론은 복잡한 문제를 처리하지 못하는 한계가 있고 이를 해결하기위해 은닉층을 새로 만들게 되었다 이를 다층 퍼셉트론이라 한다
    - - 딥러닝에서 학습한다라는 것은 가중치와 편향을 찾아가는 과정을 의미한다
        
        손실함수란 훈련데이터를 잘 학습했는지 파악하는 함수로 예측값과 실젯값과의 차이를 구하는 함수다
        
        최적화란 손실함수의 값이 최소가 되도록 가중치와 편향을 갱신하는 과정을 의미한다
  - - - 실생활 활용은 합성곱 신경망을 이용한 컴퓨터 비전,순환 신경망을 이용한 음성인식및 자연어 처리등이 있다
        
        컴퓨터비전은 사람이 눈으로 사물을 보고 인식하는 것처럼 컴퓨터의 활용을 통해 구현하는 핵심 기술 중 하나이다 대표적인 딥러닝 알고리즘으로는 합성곱 신경망이 있다
        
        기존의 심층 신경망은 2차원 배열의 입력 이미지를 1차원 배열 형태로 데이터를 펼쳐서 학습한다 반면 합성곱 신경망은 원래 이미지가 갖고 있던 데이터 구조 그대로 사용한다
    - - 음성인식과 자연어 처리 분야에 사용되는 대표적인 딥러닝 알고리즘은 순환 신경망이다 순환 신경망은 데이터 간의 관계나 순서가 중요한 순차적인 데이터를 입력받아 결과를 도출하는 딥러닝 모델이다
        
        순환 신경망의 구조는 심층 신경망의 구조와 기본 흐름은 유사하다 다음층으로 이어지는 중간 출력을 은닉상태라한다 데이터의 중간 결과를 기억할수 있게한다