Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1326 홍지후) - Coggle Diagram
인공지능과 학습(1326 홍지후)
딥러닝으로 손 글씨 분류하기
-
-
기계학습과 딥러닝의 차이점
기계학습은 문제 해결에 필요한 핵심 속성을 사람이 추출해야 한다. 핵심 속성을 추출하는 과정은 많은 시간이 소요되며, 속성을 잘못 추출하면 기계학습의 성능이 떨어질 수 있다. 반면 딥러닝은 학습 과정에서 데이터의 특성을 스스로 찾기 때문에 핵심 속성을 잘못 추출해 성능이 떨어질 가능성은 없다.
기계학습과 데이터
기계학습과 문제 해결
전통적 프로그래밍과 기계학습
기계학습이 등장하기 전의 전통적 프로그래밍을 이용한 문제 해결 방식은 이러한 자동화 능력을 구현하기 위해 규칙을 프로그래머가 직접 만들고, 규칙을 표현한 알고리즘에 데이터를 입력하면 컴퓨팅 시스템이 알고리즘에 다라 처리한 결과를 출력한다. 그러나 기계학습을 이용하면 컴퓨터는 입력된 데이터 속성들 간의 규칙을 학습해 모델을 생성한 후 새로운 입력 데이터의 결과를 판단하거나 예측한다.
-
문제 해결을 위한 데이터
인공지능은 훈련 데이터를 바탕으로 학습하기 때문에 대용량의 품질 좋은 훈련 데이터가 필요하다. 만약 훈련 데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기게학습 모델의 성능은 높지 않을 것 이다. 또한 수집한 훈련 데이터가 편향을 띈다면 이 데이터를 이용한 학습 결과도 정확하지 않을 것이다.
데이터 선정 및 수집하기
데이터 선정하기
기게학습을 위한 데이터를 선정할 때에는 우리가 해결하고자 하는 문제와 관련 있는 데이터인지 확인해야 한다. 또한 데이터의 수집 가능성, 정보 보호 여부, 데이터의 품질, 데이터 수집 비용 등의 요인을 고려하여 조건에 부합하는 데이터를 선정해야 한다.
-
-
-
-