Please enable JavaScript.
Coggle requires JavaScript to display documents.
2.인공지능과 학습
(1517 신지예} - Coggle Diagram
2.인공지능과 학습
(1517 신지예}
-
-
데이터 선정 및 수집히기
문제 적합성, 수집 가능성, 정보 보호, 데이터의 품질, 데이터 수집 비용 등의 요인을 고려하여 데이터를 선정해야 한다.
데이터 수집 시 고려 사항
- 기계 학습을 위해 충분한 양의 데이터인가?
- 편향되지 않은 데이터인가?
- 필요한 속성에 대한 내용을 담고 있는 데이터인가?
- 신뢰 가능한 최신의 데이터인가?
-
결측지 처리하기
결측치
-
결측치 처리
결측치가 있는 행이나 열 삭제하거나, 평균, 중앙값, 최빈값 등의 대푯값으로 결측치를 대체한다.
데이터의 손실이 크지 않은지, 삭제된 행이나 열이 꼭 필요한 데이터이지 따져봐야한다.
-
-
기계학습 유형
-
강화학습
-
지능 에이전트 학습 과정, 마케팅 전략 수립 등의 문제에 활용됨
비지도학습
-
-
차원 축소, 군집, 이상 탐지 등의 작업에 활용
회귀
-
-
선형 회귀 알고리즘
-
예측값과 실젯값의 오차를 구하는 손실함수를 이용해 오치를 최소화,
에측의 정확도를 높일 수 있다.
-
군집
-
상품 추천 알고리즘, 버스 노선 결정, 비슷항 성향의 겟
물 추천, 데이터 전처리 기술 등으로 활용됨
k-평균 알고리즘
임의의 군집 중심으로부터 가까운 거리에 있는 데이터를 같은 군집으로 힐딩하고, 군집의 중심을 변경되지 않을 때까지 계속 바꾸며 조정하는 방식으로 군집 연결
인공신경망과 퍼셉트론
-
-
다층 퍼셉트론
입력층, 은닉층, 출력층의 구조를 갖춘 인공신경망
딥러닝
-
-
-
-
-
실생활 활용 사례
합성곱 신경망을 이용한 컴퓨터 비전, 순환 신경망을 이용한 음성 인식 및 자연어 처리
컴퓨터 비전
-
합성곱 신경망
동물의 시각 인지 과정을 모방한 인공신경망 모형, 사물의 탐지 이미지 처리에 높은 성능을 보여준다.
-
-
-
음성인식과 자연어 처리
음성
-
자연어 처리 기술, 잡음 제거 및 소리 보정 기술, STT
-
-
-