Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습
(1225 차동현) - Coggle Diagram
인공지능과 학습
(1225 차동현)
-
기계학습의 유형과 알고리즘
기계 학습의 유형
지도학습
지도학습은 입력 데이터와 정답 데이터를 함께 사용하여 기계학습 모델을 학습시키는 방법이다. 입력 데이터와 그 정답에 해당하는 속성도 함께 제공되므로 학습결과에서의 오류와 성능을 쉽고 명확하게 평가할 수 있다.
강화 학습
강화학습은 판단할 때마다 외부 환경에서 보상을 제공하고, 이 보상의 값을 최대화하기 위한 방향으로 학습을 진행한다.
-
기계학습 알고리즘의 이해
-
분류
분류는 미리 정의된 여러 범주로 데이터를 구분하기 위한 경계를 학습하여 새로운 입력이 들어오면 여러 범주 중 하나를 선택하는 과정으로, 지도학습의 한 형태다.
군집
군집은 비지도학습 알고리즘의 일종으로, 데이터가 어떻게 그룹화되어야 하는지 미리 정의하지 않고 컴퓨터가 데이터 패턴을 스스로 찾아내는 방식이다.
-
기계학습과 데이터
전통적 프로그래맹과 기계학습
전통적 프로그래맹을 이용한 문제 해결 방식은 자동화 능력을 구현하기 위해 규칙을 프로그래머가 직접 만들고, 규칙을 표현한 알고리즘에 데이터를 입력하면 컴퓨터 시스템이 알고리즘에 따라 처리한 결과를 출력한다.
-
기계학습을 통한 문제 해결 과정
-
-
기계학습을 기계학습을 이용하여 문제를 해결하기 위해서는 문제 상태를 정확히 파악하고 정의할 수 있어야 한다. 주어진 상황의 현재 상태와 목표 상태가 무엇인지, 활용해야 하는 핵심 요소는 무엇인지 등을 정확히 분석해야 문제 해결 방향을 명확히 설정할수 있으므로 문제 정의 단게는 매우 중요한다.
문제 해결을 위한 데이터
인공지능은 훈련 데이터를 바탕으로 학습하기 때문에 대용량의 품질 좋은 훈련 데이터가 필요하다. 만약 훈련 데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 높지 않을 것이다.
데이터는 선정하기
기계학습을 위한 데이터를 선정할 때에는 우리가 해결하고자 하는 문제와 관련 있는 데이터인지 확인해야 한다. 또한 데이터의 수집 가능성, 정보 보호 여부, 데이터의 품질, 데이터 수집 비용 등의 요인을 고려하여 조건에 부합하는 데이터를 선정해야 한다.
-
딥러닝의 이해와 활용
인공신경망은 인간의 신경망 구조를 모방하여 컴퓨터로 처리할 수 있도록 구현한 것이다. 퍼셈트론은 이러한 인공신경망을 실제로 구현한 연산 장치로서, 여러 개의 입력값을 처리하여 하나의 결괏값인 0 또는 1을 출력한다
-
-
-
-
손실함수는 훈련 데이터를 잘 학습했는지 파악하는 함수로, 예측값과 실젯값과의 차이를 구하는 함수다.
-
최적화 알고리즘으로는 확률적 경사 하강법, 미니 배치 경사 하강법, 모멘텀, 아담 등이 있다
-
-
합성곱 신경망은 동물의 시각 인지 과정을 모방한 인공신경망 모형 중 하나로, 사물의 탐지 등 이미지 처리에 높은 성능을 보여준다.
-
-
-