개발새발로그

4.1 인공 신경망의 한계와 딥러닝 출현퍼셉트론이란 다수의 신호(흐름이 있는)를 입력으로 받아 하나의 신호를 출력하는데, 이 신호를 입력으로 받아 '흐른다/안 흐른다(1 또는 0)'는 정보를 앞으로 전달하는 원리로 작동한다.오늘날 인공신경망에서 이용하는 구조(입력층, 출력층, 가중치로 구성된 구조)는 퍼셉트론이라는 선형 분류기이다. 퍼셉트론의 원리를 이해하기 위해서는 논리 게이트를 알아야한다. AND 게이트AND 게이트는 입력 중 어떤 하나라도 '0'을 갖는다면 작동을 멈추며 모든 입력이 '1'일 때 작동한다.OR 게이트OR 게이트는 입력에서 둘 중 하나만 '1'이거나 둘 다 '1'일 때 작동한다.XOR 게이트XOR 게이트는 배타적 논리합이라는 용어로 입력 두 개 중 한 개만 '1'일 때 작동하는 논리 ..

3.2 비지도학습비지도 학습 : 레이블이 필요하지 않으며 정답이 없는 상태에서 훈련시키는 방식 비지도 학습에는 군집(clustering)과 차원 축소(dimensionality reduction)가 있다.군집은 각 데이터의 유사성(거리)을 측정한 후 유사성이 높은(거리가 짧은) 데이터끼리 집단으로 분류하는 것이다.차원 축소는 차원을 나타내는 특성을 줄여서 데이터를 줄이는 방식이다. 구분군집차원 축소목표데이터 그룹화데이터 간소화주요 알고리즘K-평균 군집화(K-Means)주성분 분석(PCA)예시사용자의 관심사에 따라 그룹화하여 마케팅에 활용데이터 압축중요한 속성 도출3.2.1 K-평균 군집화왜 사용할까?→ 주어진 데이터에 대한 군집화 언제 사용하면 좋을까?→ 주어진 데이터셋을 이용하여 몇 개의 클러스터를 ..

3.1 지도학습지도 학습 : 정답을 컴퓨터에 미리 알려주고 데이터를 학습시키는 방법구분분류회귀데이터 유형이산형 데이터연속성 데이터결과훈련 데이터의 레이블 중 하나를 예측연속된 값을 예측예시학습 데이터를 A-B-C 그룹 중 하나로 매핑결과값이 어떤 값이든 나올 수 있음3.1.1 K-최근접 이웃왜 사용할까?→ 주어진 데이터에 대한 분류 언제 사용하면 좋을까?→ K-최근접 이웃은 직관전이며 사용하기 쉽기 때문에 초보자가 쓰기에 좋다. 또한, 훈련 데이터를 충분히 확보할 수 있는 환경에서 사용하면 좋다. K-최근접 이웃(K-nearst neighbor)은 새로운 입력을 받았을 때 기존 클러스터에서 모든 데이터와 인스턴스 기반 거리를 측정한 후 가장 많은 속성을 가진 클러스터에 할당하는 분류 알고리즘이다.과거 데..

1.1 인공지능, 머신러닝과 딥러닝인공지능이란 인간의 지능을 모방하여 사람이 하는 일을 컴퓨터(기계)가 할 수 있도록 하는 기술이다. 인공지능을 구현하는 방법으로 머신러닝과 딥러닝이 있다. 인공지능과 머신러닝, 딥러닝의 관계는 아래와 같다." 인공지능 > 머신러닝 > 딥러닝 "   머신러닝과 딥러닝 차이를 표로 정리하면 다음과 같다.구분머신러닝딥러닝동작 원리입력 데이터에 알고리즘을 적용하여 예측을 수행한다.정보를 전달하는 신경망을 사용하여 데이터 특징 및 관계를 해석한다.재사용입력 데이터를 분석하기 위해 다양한 알고리즘을 사용하며, 동일한 유형의 데이터 분석을 위한 재사용은 불가능하다.구현된 알고리즘은 동일한 유형의 데이터를 분석하는 데 재사용된다.데이터일반적으로 수천 개의 데이터가 필요하다.수백만 개 ..

1.1 인공지능, 머신러닝과 딥러닝인공지능이란 인간의 지능을 모방하여 사람이 하는 일을 컴퓨터(기계)가 할 수 있도록 하는 기술이다. 인공지능을 구현하는 방법으로 머신러닝과 딥러닝이 있다. 인공지능과 머신러닝, 딥러닝의 관계는 아래와 같다." 인공지능 > 머신러닝 > 딥러닝 "   머신러닝과 딥러닝 차이를 표로 정리하면 다음과 같다.구분머신러닝딥러닝동작 원리입력 데이터에 알고리즘을 적용하여 예측을 수행한다.정보를 전달하는 신경망을 사용하여 데이터 특징 및 관계를 해석한다.재사용입력 데이터를 분석하기 위해 다양한 알고리즘을 사용하며, 동일한 유형의 데이터 분석을 위한 재사용은 불가능하다.구현된 알고리즘은 동일한 유형의 데이터를 분석하는 데 재사용된다.데이터일반적으로 수천 개의 데이터가 필요하다.수백만 개 ..