Please enable JavaScript.

Coggle requires JavaScript to display documents.

2.인공지능과 학습(1303 김동남), 기계학습과 데이터, 데이터 전처리와 핵심 속성 추출, 기계학습의 유형과 알고리즘, 딥러닝으로…

- - - - 퍼셉트론은 0 또는 1을 출력하는 인공신경망의 가장 작은 단위이다
        
        단층 퍼셉트론
        
        입력층 1개, 출력층 1개
        
        다칭 퍼셉트론
        
        입력층, 은닉층, 출력층
    - - 은닉층의 개수를 늘려 더 복잡한 문제를 해결할 수 있지만, 층이 깊을수록 계산량이 많아져 학습 시간이 오래 걸리고, 과대적합이 발생할 수 있음
        
        학습의 최종 목표는 최적의 가중치와 편향을 찾는 것이다
  - - - 사람이 눈으로 사물을 보고 인식하는 것처럼 컴퓨터의 활용을 통해 정지 영상이나 동영상을 분석하여 의미 있는 정보를 추출하는 기술
        
        대표적인 딥러닝 알고리즘
        
        (기존에 쓰던거) 심경 신경망
        
        2차원 데이터를 1차원 배열의 형태로 변환 = 2차원 평면에서 갖고 있던 이미지의 생김새 정보를 잃게 됨
        
        합성곱 신경망
        
        형태의 변환 없이 2차원의 입력 데이터를 사용함, 인간의 뇌가 사물을 구별하듯 생김새의 정보 그대로 사물을 학습
        
        합성곱 계층
        
        필터를 적용하여 이미지의 특성 추출
        
        풀링 계층
        
        특성을 잘 드러내는 값을 선택하는 과정을 반복하며 이미지 인식
    - - 순환 신경망(RNN)
        
        심층 신경망과 구조와 흐름은 유사하고 다음 층으로 이어지는 중간 출력을 은닉 상태라 하는데, 데이터의 중간 결과를 기억할 수 있다
- - - - 빠르고 정확한 계산 능력을 바탕으로, 정해진 규칙대로 수행하는 자동화 능력을 이용해 문제를 해결
      - 문제 해결 과정
        
        훈련 데이터 수집
        
        인공지능 학습하기
        
        인공지능 모델
        
        문제 해결을 위한 새로운 데이터
        
        결과
- - - - 회귀(예측), 분류
  - - - 군집
- - - - k-평균 알고리즘
        
        임의의 군집 중심으로부터 가까운 거리에 있는 데이터를 군집으로 할당하고, 군집의 중심을 변경되지 않을 때까지 계속 바꾸며 조정하는 방식
  - - - 새로운 데이터를 사용하기 위해 가장 가까이에 있는 k개의 학습 데이터가 가장 많이 속한 그룹을 따라 분류하는 모델
- - - - 성능 평가하기
      - 인공신경망 구조 만들기
        
        인공신경망 학습시키기
    - - 데이터 탐색하기
        
        데이터 전처리하기