Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1206 김현승) - Coggle Diagram
인공지능과 학습(1206 김현승)
전통적 프로그래밍과 기계학습
우리는 일상생활에서 다양한 문제 상황을 겪을 이를 해결하기 위해 여러가지 방법을 사용한다 그 중 컴퓨터는 빠르고 정확한 계산 능력을 바탕으로 정해진 규칙대로 수행하는 자동차 능력을 이용해 문제를 해결한다
-
문제 해결을 위한데이터
인공지능은 훈련 데이터를 바탕으로 학습하기 때문에 대용량의 품질 좋은 훈련 데이터가 필요하다 만약 훈련 데이터의 질이 좋지 않거나 질이 좋다고 해도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 높자 않을 것이다
데이터 선정하기
데이터를 이루는 데이터 속성은 기계학습에서 매우 중요한 역할을 한다
기계학습을 위한 데이터를 선정할때에는 우리가 해결하고자 하는 문제와 관련 있는 데이터인지 확인해야한다 또한 데이터의 수집 비용등의 요인을 고려하여 조건에 부합되는 데이터를 선정한다
-
딥러닝의 이해와 활용
인공신경망과 딥러닝
-
인공신경망은 인간의 신경망 구조를 모방하여 컴퓨터로 처리 할 수 있도록 구현한 것이다 퍼셉트론은 이러한 인공신경망을 실제로 구현한 연산장치로서 여러 개의 입력값을 처리하여 하나의 결괏값인 0또는 1을 출력하는 인공신경망의 가장 작은 단위이다 특히 입력층 1개와 출력층 1개로 이루어진 구조를 단층 퍼셉트론이라고 한다
딥러닝의 개념
딥러닝은 여러개의 은닉층을 포함하여 만든 심층 신경망을 통해 학습이 이루어지는 기계학습의 한 방법이다 층이 깊다는 의미심층 신경망은 다수의 은닉층을 통해 복잡하고많은 데이터를 깊다
딥라닝의 학습원리
딥러닝은 입력받은 데이터를 학습하기 위해 어떠한 원리로동작할까 딥러닝에서 학습한다라는 것은 가중치와 편향을 찾아가는 과정을 의미한다 학습의 최종 목표는 최적의 가중치와 편향을 찾아내는것이다
딥러닝의 활용분야
딥러닝은 많은 계산량과 대량의 데이터가 필요하지만 데이터 처리 기술의 발전과 컴퓨터 하드웨어의 발달로 인해 다양한 학문분야 및 응용 분야에서 활용되는 사례가 늘고 있다 특히 비정형 데이터를 다룰 떄 좋은 성능을 내고 있으며 기존의 기계학습 알고리즘으로 다루기 어려웠던 분야에서 사용되면서 빠르게 발전하고 있다
-