Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1403 김라희) - Coggle Diagram
인공지능과 학습(1403 김라희)
기계학습과 데이터
-
기계학습을 통한 문제 해결 과정
-
주어진 상황의 현재 상태와 목표 상태가 무엇인지, 활용해야 하는 핵심 요소는 무엇인지 등을 정확히 분석해야 문제 해결 방향을 명확히 설정할 수 있으므로 문제 정의 단계는 매우 중요하다
문제 해결을 위한 데이터
훈련 데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 높지 않을 것이다 또한 수집한 훈련 데이터가 편향을 띤다면 이 데이터를 이용한 학습 결과고 정확히자 않을 것이다
(데이터 편향을 방지하는 방법)
-데이터 수집 시 개인의 주관이 들어가지 않은 데이터를 수집한다
-데이터의 양과 질에 편향성이 포함되어 있지 않은지 확인한다
-데이터셋에 어떤 데이터가 들어 있는지에 대한 정보를 함께 보관한다
데이터 공정성
(데이터 수집, 처리, 사용, 공유 과정에서의 공평성과 투명성을 의미)
-
-
딥러닝의 이해와 활용
-
딥러닝은 여러 개의 은닉층을 포함하여 만든 심층 신경망을 통해 학습이 이루어지는 기계학습의 한 방법 층이 깊다는 의미의 심층 신경망은 다수의 은닉층을 통해 복잡하고 많은 데이터를 정교하게 처리할 수 있음
손실함수를 설명할 때. 편의상 손실함수의 일부만을 그려 2차원의 곡선으로 표현하는 경 우가 많지만, 실제로는 기울기가 0인 지점이 여러 군데 존재할 수 있음
-
-
-
-