Please enable JavaScript.
Coggle requires JavaScript to display documents.
2.인공지능과 학습(1420 장성지) - Coggle Diagram
2.인공지능과 학습(1420 장성지)
기계학습과 데이터
-
훈련데이터를 바탕으로 학습하고 규칙을 발견
문제상태를 정확히 파악하고 정의 할 수 있어야 하고 현재상태와 목표상태와 핵심요소가 무엇인지 기계학습을 통해 해결 할 수 있는 문제인지 확인 양과 질 활용하는 프로그램의 성능 그러나 충분한 양과 우수한 품질을 갖춘 데이터가 있는지 모델을 생성할수 있는지 여부에 따라 기계학습으로 해결할 가능성이 높은 문제와 낮은 문제를 구분할수 있다
인공지능은 훈련 데이터를 바탕으로 학습하기 때문에 대용량의 품질 좋은 훈련 데이터가 필요하다 만약 훈련 데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 높지 않을것이다 또한 수집한 데이턱가 편향을 띤다면 이 데이터를 이용한 학습 결과도 정확하지 않을 것이다
-
-
-
-
데이터 전처리와 핵심 속성 추출
-
-
-
-
-
-
-
상관관계 분석
1에 가까울수록 관령성이 높은것 이고 한 변수가 증가할때 다른 변수도 증가하는 경향을 보이면 양의 상관관계, 한 변수가 증가할때 다른 변수는 감소하는 경향을 보이면 음의 상관관계라고 한다
-
딥러닝의 이해와활용
인간의 뇌는 1,000억개의 뉴런으로 이루어진 기대한 생물학적 네트워크
퍼셉트론: 입력층 1개와 출력층 1개로 이루어진 구조를 단층 퍼셉트론 이라고 한다
(노드, 인공뉴런)
-
-
-
합성곱 신경망을 이용한 컴퓨터 비전
순환 신경망을 이용한 음성인색 및 자연어 처리
의료, 금융, 쇼핑, 농업 등의 분야는 물론 작곡, 그림 그리기, 소설 쓰기등 창작 분야
-
-
-
-
이미지 특성을 잘 추출
컴퓨터 비전과 관련된 문제를 잘 해결
두 계층을 반복허여 학습을 진행
합성곱 계층에서는 마치 두 도장을 찍듯이 필터 적용
폴링 계층에서 그 특성을 잘 드러내는 값을 선택하는 과정을 반복하며 이미지를 인식