Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1408 김정민) - Coggle Diagram
인공지능과 학습(1408 김정민)
5.딥러닝의 이해와 활용
인공신경망은 인간의 신경망 구조를 모방하여
컴퓨터로 처리할 수 있도록 구현한것이다
퍼셉트론은 여러개의값을 입력하여 하나의 결괏값인 0 또는 1을 출력하는 인공신경망의 가장 작은 단위이다
입력층 1개와 출력층 1개로 이루어진 구조는 단층 퍼셉트론
모든 입력값에 가중치를 곱하여 더한값에 편향을 더한 후 활성화 함수를 거쳐 0또는 1 출력
다층 퍼셉트론은 복잡한 문제 해결 가능
(입력층 은닉층 출력층 구성)
단층 퍼셉트론은 복잡한 문제 해결 못 함
딥러닝은 은닉층이 여러개인 심층 신경망을 통해 학습하는 방법이고 다수의 은닉층을 통해 복잡한 문제 정교하게 처리할수있다 그러나 계산량이 많아서 시간 오래 걸리고 과대적합 발생할수있다
학습의 최종목표는 최적의 가중치와 편향을 찾는 것이다 뉴런에서 다른 뉴런으로 전달되는 신호의 세기는 가중치에 따라 달라진다
최적의 가중치와 편향은 손실함수의 최솟값으로 기울기가 0인 지점을 말한다
-
-
딥러닝은 대량의 데이터와 신경망 알고리즘을 이용해 컴퓨터 버전,음성인식,자연어 처리 등 다양한 분야에서 활용되며,특히 cnn과rnn같은 구조가 이미지 음성,언어 처리에 널리 쓰인다
컴퓨터 비전이란 사람이 눈으로 사물을 보고 인식 하는 것처럼 컴퓨터의 활용을 통해 동영상을 분석하여 의미있는 정보를 추출하는 기술이다 대표적인 알고리즘은 합성곱 신경망이 있다 ex)사람탐지,차량탐지
-
-
02 데이터 전처리와 핵심 속성 추출
데이터 전처리는 데이터의 결측치,이상치 등을 처리하고 데이터 분석에 적합한 형태로 가공하는 과정을 말한다
-
속성이란 데이터를 설명하는 특징이나 설질을 말한다 나이,성별,출생지 등
-
데이터 시각화를 통해 기계학습에 필요한 핵심 속성을 찾고 속성 간의 관계를 쉽게 파악 할 수있다
ex)히트맵,산점도,막대그래프,상관관계 분석 등
06 딥러닝 손 글씨 분류하기
1단계 문제 정의하기 2단계 데이터 수집 및 전처리 하기3단계 데이터 전처리하기,딥러닝과 알고리즘 선정하기 4단계 성능 평가하기
MNIST 데이타셋은 숫자를 인식하는 정확도를 높이기 위해 2차원 배열을 1차원 배열로 변환하고,정규화와 원-핫 인코딩을 수행하는 전처리가 필요하다
딥러닝 모델은 학습을 반복할수록 손실함수의 값은 감소하고,정확도는 증가해야 좋은 모델로 평가 받을수있다
문제 해결을 위한 데이터
훈련 데이터로 바탕으로 학습하고 질이 좋지 않거나 양이 충분 하지않으면 모델 성능은 높지 않을것이다 편향을 띤다면 학습 결과도 정확하지 않을 것이고 한쪽으로 치우친 데이터만 사용한다면 성공적으로 정확한 모델을 생성하기 어렵고 해결 가능성도 낮아진다
-
데이터 공정성:수집,처리,사용,공유 과정에서 공평성과 투명성을 의미한다 인공지능 활용을 위해 고려해야 되는 주제들:데이터 수집 과정의 공정성,데이터 처리 및 분석의 공정성,데이터 사용의 공정성,투명성과 설명 가능성이 있다
-
데이터 선정 및 수집하기
기계학습을 위한 데이터를 선정할때에는 문제와의 관련성,데이터 수집 가능성,정보 보호 여부,데이터의 품질, 데이터 수집 비용 등의 요인을 고려하여 조건에 부합하는 데이터를 선정해야 한다
-
-
03 기계 학습의 유형과 알고리즘
기계학습의 유형은 지도학습과,비지도학습,강화학습이 있다.지도학습은 정답을 제공하고 비지도학습은 정답을 제공하지 않는다 강화 학습은 답을 알려주지 않고 보상을 다르게 줌으로 써 정답에 가까워 지게 하는것이며 보상이 최대치가 되도록 학습한다
지도학습은 회귀와 분류로 구분할수있으며 학습을 위해 사용하는 데이터를 훈련 데이터,테스트를 위해 사용하는 데이터를 테스트 데이터라고 한다
회귀란 관계를 함수로 표현해 연속적인 수치를 예측하는 것이다 훈련데이터를 기반으로 독립변수,종속 변수 규칙을 파악해 수식으로 나타낸다 독립변수는 입력값을 대입해서 예측을 얻어내고 독립변수는 입력값을 의미하며 종속변수는 결괏값을 의미한다 알고리즘 선형 희귀가 있다
-
-
분류란 미리 정의된 여러 범주로 데이터를 구분하기 위한 경계 학습하여 새로운 입력이 들어오면 여려 범주 중 하나를 선택하는 과정이다 이진 분류와 다중 분류로 나뉜다 대표적인 알고리즘 로지스틱,회귀 k-최근접 이웃 등이 있다 k-최근접은 데이터가 가장 많이 솏한 그룹을 따라 분류한다
01 기계학습과 데이터
기계학습이란 데이터의 특성과 규칙을 학습하여 모델을 생성한 후,생성한 모델이 새로운 입력 데이터의 결과를 판단하거나 예측하도록 하는 인공지능 시스템이다
기게학습을 통한 문제 해결 과정
-
-
기계학습으로 해결 가능성이 높은 문제와 그렇지 않은 문제
문제-우수한 품질의 데이터가 충분히 있는가?-모델을 생성할 수 있는가?
-기계학습으로 해결 가능성이 높은 문제-기계학습으로 해결 가능성 낮은 문제