Please enable JavaScript.

Coggle requires JavaScript to display documents.

2.인공지능과 학습(1317 이환웅), 데이터 수집 방법들, 다층 퍼셉트론, 훈련 데이터 수집, 문제 해결을 위한 새로운 데이터 입력…

- - - - 기계 학습 : 입력된 데이터 속성들 간의 규칙을 학습해 모델을 생성 후 새로운 데이터의 결과를 판단하거나 예측한다
      - 전통적 프로그래밍 : 자동화 능력 구현을 위해 사람이 직접 규칙을 만들고, 이것을 표현한 알고리즘 데이터를 입력한다
    - - 인공지능은 작동하기 위해 대용량의 좋은 품질의 훈련 데이터가 필요한데 이 데이터의 질이 안 좋거나 양이 적다면 모델의 성능이 좋지 않을 것이다. 이러면 편향을 띨 수 있다.
        
        데이터 편향 방지법
        
        편향성이 들어있지 않은 데이터 수집
        
        데이터셋에 어떤 데이터가 들어가 있는지에 대한 정보를 보관
        
        개인의 주관이 들어가지 않은 데이터 수집
  - - - 정보 보호 : 데이터가 개인 정보를 포함하거나 저작권 문제는 없는지 확인
      - 데이터의 품질 : 정확성, 신뢰도가 떨어지는 데이터는 회피
      - 수집 가능성 : 수집하기 어려운 데이터는 회피, 수집할 수 있는 데이터 선정
      - 데이터 수집 비용 : 데이터 수집에 드는 비용 고려
      - 문제 적합성 : 해결하고자 하는 문제와 관련 있는지 확인
    - - 데이터 수집 시 고려 사항
        
        편향되지 않은 데이터인가?
        
        필요한 속성의 데이터인가?
        
        기계학습을 위한 충분한 양인가?
        
        믿을 수 있는 최신 데이터인가?
- - - - 결측치(missing value) : 데이터에서 빠지거나 누락된 값
        
        (1)결측치 처리하기 : 결측치가 있는 행을 삭제하거나 평균, 중앙값, 최빈값 등 대푯값을 대체하는 것
      - 이상치(outlier) : 평균적인 값보다 과도하게 높거나 낮은 값
        
        (2)이상치 처리하기 : 정상 범위를 정하여 이에 벗어나는 수치를 수정하는 것이다.
  - - - (2)히트맵으로 핵심 속성 추출하기 : 기계학습에 필요한 핵심 요소를 찾을 때 데이터를 시각화하면 문제에 필요한 속성을 직관적으로 파악할 수 있으며 이 방법으로는 막대그래프, 히스토그램, 원그래프, 산점도, 히트맵 등이 있다.
- - - - 선형 회귀 알고리즘(liner re-gression) : 예측값과 실젯값의 오차를 최소화하는 가설 함수를 찾는 알고리즘으로 독립 변수와 종속 변수를 x축과 y축에 그렸을 때 이 점들을 알맞게 이어주는 추세선을 그린다.
    - - k-최근접 이웃 알고리즘(k-NN : k-Nearest Neighbor) : 가장 가까이에 있는 k개의 학습 데이터가 가장 많이 속한 그룹을 따라 분류하는 모델
    - - k-평균 알고리즘(k-means) : 임의의 군집 중심으로부터 가까운 거리의 데이터를 같은 군집으로 할당하고, 군집의 중심이 변경되지 않을 때까지 계속 바꾸며 조정하는 방식으로 군집을 형성하는 모델
- - - - 인공신경망(ANN : artificial neural network) : 인간의 신경망 구조를 모방해 컴퓨터로 처리할 수 있도록 구현한 것
      - 퍼셉트론(perceptron) : 인공신경망을 실제로 구현한 연산 장치. 여러 개의 입력값을 처리해 0 또는 1을 출력한다.
    - - 딥러닝(deep learning) : 심층 신경망(Deep Netual Network)을 통해 학습하는 기계학습의 방법. 은닉층이 많아질 수록 복잡한 계산을 할 수 있지만 시간이 오래걸리고 과대적합이 발생할 수 있다
    - - 가중치와 편향을 찾아가는 과정을 뜻하며 목표는 최적의 가중치와 편향을 찾는 것
  - - - 합성곱 신경망
        
        합성곱 계층(convolutional layer) :
        
        합성곱 신경망은 이 두 계층을 반복하며 이미지 특성을 추출한다. 한성곱 계층을 거치며 이미지 특성을 추출하고 풀링 계층에서 그 특성을 잘 드러내는 값을 선택하며 이미지를 인식한다.
        
        풀링 계층(pooling layer)
    - - 음성 인식과 자연어 처리 시스템의 동작 원리
        
        음성 입력
        
        음성 인식
        
        자연어 처리
        
        명령 수행 및 상호작용
        
        이는 순환 신경망(RNN) 에 의해 이루어 지며 이는 데이터 간의 관계나 순서가 중요한 순차적인 데이터를 입력받아 결과를 도출하는 딥러닝 모델이다
- - - - 기계학습으로 해결 가능성이 낮은 문제
- - - - 성능 평가