Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능과 학습 (1409 노하율), 심층 신경망 - 2차원의 입력 데이터를 1차원 배열의 형태로 변환, 합성곱 신경망 - 형태의…

- - - - 가공된 데이터를 사용하면 기계학습의 분석 결과를 왜곡시키거나 성능을 떨어뜨리는 것을 방지
        
        결측치 - 퍼즐이 빠져 있는 것처럼 수집된 데이터에서 비어 있는 값 혹은 누락된 값
        
        이상치 - 데이터 범위보다 지나치게 높거나 낮은 수치의 값
        
        이상치 처리하기
        
        정상 범위의 기준을 정해야 함
        
        상자그림 그래프로 시각화하여 이를 찾아보도록 함
        
        1 more item...
        
        에러가 발생하거나 잘못된 결과가 산출되어 기계학습 모델 성능에 부정적인 영향을 미칠 수 있음
        
        결측치가 있는지 확인하고, 이를 적절하게 처리
        
        평균, 중앙값, 최빈값
        
        결측치를 해결하는 또 다른 방법으로는 데이터셋을 참조하여 적절한 값으로 결측치를 채우는 것
  - - - 여러개의 속성으로 구성되어 있음
        
        데이터 속성이란 데이터를 설명하는 특징이나 성질을 말함
        
        속성값은 각 속성이 가질 수 있는 값으로 숫자나 텍스트 등(범주형)으로 나타냄, 수치형(연속형, 이산형 - 점수형, 실수형)
        
        문제 해결에 필요한 속성을 핵심 속성
        
        만약 핵심 속성이 부족하다면, 추가 자료를 수집해야 함
        
        해결하고자 하는 문제와 상황에 따라 필요한 속성은 달라질 수 있음
        
        핵심 속성을 찾는 과정이 필요
        
        데이터를 시각화하면 어떤 속성이 문제 해결에 필요한지 직관적으로 판단할 수 있으며, 속성 간의 관계를 쉽게 파악할 수 있음
        
        1 more item...
- - - - 기계학습이 등장하기 전의 전통적 프로그래밍을 이용한 문제 해결 방식은 자동화 능력을 구현하기 위해 규칙을 프로그래머가 직접 만들고, 규칙을 표현한 알고리즘에 데이터를 입력하면 컴퓨팅 시스템이 알고리즘에 따라 처리한 결과를 출력함
        
        데이터를 통해 스스로 학습하고 기계학습 모델을 만들도록 프로그래밍해 문제를 해결할 수도 있음
        
        기계학습을 이용하면 컴퓨터는 입력된 데이터 속성들 간의 규칙을 학습해 모델을 생성 후 입력 데이터의 결과를 판단하거나 예측
      - 전통적 프로그래밍 - 사람이 집의 가격을 결정하는 원리나 규칙을 찾아 프로그램을 작성함
      - 기계학습 - 입력된 데이터로부터 규칙을 도출해 가격을 예측하는 프로그램을 만들어 냄
    - - 인공지능은 훈련 데이터를 바탕으로 학습하기 때문에 대용량의 품질 좋은 훈련 데이터가 필요
        
        만약 훈련 데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 높지 않을 것
        
        또한 수집한 훈련 데이터가 편향을 띤다면 이 데이터를 이용한 학습 결과도 정확하지 않을 것
        
        다양한 유형의 신체적 특성(속성) 을 충분히 많이 수집한 훈련 데이터를 이용하여 기계학습 모델을 만든다면 문제를 해결할 가능성이 높음
        
        훈련 데이터의 양이 너무 적거나, 양이 충분하더라도 체형을 분석하기에 적합한 속성이 부족하거나, 한쪽으로 치우친 데이터만 사용한다면 성공적으로 정확한 모델을 생성하기 어렵고, 해결할 가능성이 낮아짐
        
        방지하는 방법 - 1. 데이터 수집 시 개인의 주관이 들어가지 않은 데이터를 수집. 2. 데이터의 양과 질에 편향성이 포함되어 있지 않은지 확인한다. 3. 데이터셋에 어떤 데이터가 들어 있는지에 대한 정보를 함께 보관한다.
        
        데이터 공정성
        
        데이터 수집 과정의 공정성(편향성)
        
        데이터 처리 및 분석의 공정성
        
        데이터 사용의 공정성
        
        투명성과 설명 가능성
    - - 인공지능은 입력받은 훈련 데이터를 바탕으로 학습하고 규칙을 발견해 기계학습 모델을 만듬
        
        학습된 기계학습 모델에 문제 해결을 위해 사용할 데이터를 적용하면 결괏값이 출력
        
        훈련 데이터 수집 2. 인공지능 학습하기 3. 인공지능 모델 4. 문제 해결을 위한 새로운 데이터 5. 결과(정보)
      - 기계학습을 이용해 문제를 해결하기 위해서는 문제 상태를 파악하고 정해야 함
        
        주어진 상황의 현재 상태와 목표 상태가 무엇인지, 활용해야 하는 핵심 요소는 무엇인지 등 분석
        
        정의한 문제가 기계학습을 통해 해결할 수 있는 문제인지 확인
        
        훈련 데이터의 양과 질, 활용하는 프로그램의 성능, 기술 발전 양상에 따라 달라질 수 있으므로 명확하게 정의하기 어려움
        
        충분한 양과 우수한 품질을 갖춘 데이터가 있는지와 이를 활용해 적합한 모델을 생성할 수 있는지 여부
  - - - 문제 적합성 - 문제와 관련 있는 데이터인지 확인
        
        수집 가능성 - 수집하기 어려운 데이터는 피하고, 수집할 수 있는 데이터를 선정
        
        정보 보호 - 개인 정보를 포함하거나 저작권 침해의 문제가 없는지 살펴봄
        
        데이터의 품질 - 정확성이나 데이터 제공자의 신뢰도가 떨어지는 데이터는 제외함
        
        데이터 수집 비용 - 비용을 고려하여 선정
    - - 데이터 수집 시 고려 사항 1. 기계학습을 위해 충분한 양의 데이터인가? 2. 편향되지 않은 데이터인가? 3. 필요한 속성에 대한 내용을 담고 있는 데이터인가? 4. 신뢰 가능한 최신의 데이터인가?
        
        데이터셋은 주제별로 모은 데이터의 집합을 의미
        
        개인이 만들어 공유한 데이터뿐만 아니라 여러 기업이나 공공 기관에서 제공하는 데이터를 활용할 수 있음
        
        AIP - 공공데이터로 제공
        
        인터넷 검색 및 웹크롤링, 설문조사, 인터뷰 결과 정리, 웨어러블 기기 등을 이용해 여러 센서를 통해 값을 수집
        
        공공데이터포털, 캐글, 국가통계포털, AI hub, 서울 열린데이터 광장, 통합 데이터 지도, 갭 마인더
- - - - 퍼셉트론은 이러한 인공신경망을 실제로 구현한 연산 장치로서, 여러 개의 입력값을 처리하여 하나의 결괏값인 0 또는 1을 출력하는 인공신경망의 가장 작은 단위
        
        입력층 1개와 출력층 1개로 이루어진 구조를 단층 퍼셉트론이라고 함
        
        뉴런의 수상 돌기와 같이 데이터를 입력받고, 신경 세포체처럼 입력 받은 데이터를 처리하여 마지막 축삭 돌기에서 다른 뉴런으로 전기 신호를 보내듯이 데이터를 출력
        
        퍼셉트론은 노드 또는 인공 뉴런이라고도 부름
        
        입력층, 은닉층, 출력층의 구조를 갖춘 인공신경망을 다층 퍼셉트론이라고 부름
        
        (딥러닝의 개념)
        
        여러 개의 은닉층을 포함하여 만든 심층 신경망을 통해 학습이 이루어지는 기계학습의 한 방법
        
        (딥러닝의 학습 원리)
        
        1 more item...
  - - - 실생활 속에서 활용되는 사례로는 합성곱 신경망을 이용한 컴퓨터 비전, 순환 신경망을 이용한 음성 인식 및 자연어 처리.
        
        컴퓨터 비전
        
        컴퓨터의 활용을 통해 정지 영상이나 동영상을 분석하여 의미 있는 정보를 추출하는 기술
        
        핵심 기술 중 하나 - 합성곱 신경망 - 사물의 탐지 등 이미지 처리에 높은 성능을 보여줌 (2차원 배열)
        
        합성곱 계층과 풀링 계층으로 구성
        
        두 계층을 반복하여 학습을 진행하면서 이미지의 특성을 추출함
        
        2 more items...
        
        음성 인식과 자연어 처리
        
        사람이 사용하는 언어를 컴퓨터가 처리하기 위한 기술을 연구하는 분야
        
        음성을 텍스트로 변환하는 음성 인식 기술과 변환된 텍스트를 분석 - 자연어 처리 기술, 잡음 제거 및 소리 보정 기술
        
        순환 신경망 - 데이터 간의 관계나 순서가 중요한 순차적인 데이터를 입력받아 결과를 도출하는 딥러닝 모델
        
        세계열 데이터 등을 처리하는 데 사용
        
        1 more item...
- - - - 정답을 알려주지 않고 데이터만을 제시하여 학습하는 방법을 비지도 학습
        
        강화학습은 답을 직접 알려주지 않고 컴퓨터가 제시한 답안에 대해 보상을 다르게 줌으로써 정답에 가까워지도록 하는 방법
        
        보상이 최대치가 되도록 학습
        
        구현하는 절차나 방법
        
        판단할 때 마다 보상을 제공
        
        소비 패턴 분석을 통한 마케팅 최적화 문제에 주로 활용
        
        관찰 2, 정책에 따라 행동을 선생
        
        행동 실행 4. 보상이나 벌점을 받음
        
        2 more items...
        
        정답 데이터 없이 입력 데이터만으로 이루어진 훈련 데이터를 사용하여 모델을 학습시키는 방법
        
        우사한 속성값을 갖는 그룹
        
        특징을 분석하여 패턴이나 특정 규칙을 찾아
        
        데이터에 숩겨진 새로운 정보를 찾고자 할 때 유용
      - 입력 데이터와 정답 데이터를 함께 사용하여 기계학습 모델을 학습시키는 방법
        
        훈련 데이터, 테스트 데이터
        
        훈련 데이터는 학습 모델을 만들기 위해 사용되며, 테스트 데이터는 모델의 성능을 평가하기 위해 사용
        
        회귀, 예측과 같은 분류 등의 작업할 수 있음
  - - - 연속적인 수치를 예측하는 기계학습 방법
        
        훈련 데이터로 학습한 모델을 사용하여 새로운 입력값에 대한 수치 결과를 예측
        
        회귀 모델은 훈련 데이터를 기반으로 독립 변수 종속 변수 사이의 규칙을 파악하여 수식으로 나타냄
        
        독립 변수는 주로 입력값을 의미, 종속 변수는 주로 결괏값을 의미
        
        선형 회귀 알고리즘이 있음
        
        분류
        
        2 more items...
        
        이어주는 추세선을 그림
        
        1 more item...
        
        군집
        
        2 more items...