본문 바로가기

전체 글340

오렌지(orange) 머신러닝 핵심 위젯 파악 1. Select Columns -Select Columns 위젯을 활용해 feature 들의 속성을 바꿀 수 있다. Ignoretargetmetaskip-해당 데이터를 분석에서 제외-목표값으로 설정-제외하진 않지만, 분석에 영향을 주지 않게 설정-해당 데이터를 분석에서 제외 -이런 전처리(pre-process) 과정을 통해서 모델의 정확도와 효율성을 높일 수 있음. -각종 변수들을의 가공여부에 따라 (변수를 feature / meta / skip 으로 설정하는 것) 모델의 구성 결과가 달라짐. 2. Scatter Plot -scatter plot 위젯을 활용해 feature와 target(목표값)과의 관계를 시각적으로, 직관적으로 살펴볼 수 있음. -X,Y 축을 변환시켜 데이터의 경향성을 살펴볼 수 있.. 2023. 1. 24.
확률과 통계 기반의 다양한 AI 알고리즘 -비정형 데이터를 포함하는 빅데이터에 대한 예측 -다양한 통계(가능성)의 자료처리, 진단, 학습하는 기법과 모델이 필요함. AI 비정형화된 자료도 데이터로 사용함 EX) 포트폴리오, 산출물, 자기피드백 등 일반 프로그램 주로 정형화된 자료만 데이터로 사용 -AI의 핵심 요소는 '데이터 셋'과 '알고리즘' -확률을 사용한 AI의 사례 : 암 발생 가능성을 진단하는 닥터왓슨 / 파이썬이나 앤트리의 확률함수를 활용한 AI교육 프로그램 구축 -지도학습 : 수치로 정형화된 데이터를 처리해 이산형 예측값을 도출하는데 적합. 예) 회귀분석 -비지도학습 : 비정형 데이터(영상, 음성 등) 처리에 적합. -다수의 학습 알고리즘을 경합하여 학습시키는 알고리즘. -대표적으로 배깅과 부스팅 모형이 있음. -배깅(Bootstr.. 2023. 1. 23.
규칙 기반 분류 활동 ①메일 자동 분류 -Knowledge base(지식베이스) : 핵심 용어와 그에대한 가중치를 찾아서 새로운 카테고리를 만들어 분류하는 방법. 확률 기반 분류와 규칙 기반 분류로 나눌 수 있음. -문서 분류의 과정 : Sim(D, C¡) = D는 용어, C¡는 i번째 범주 = 문서를 유사도가 가장 높은 범주에 분류 ②의사의 댕기열 진단(규칙 기반 분류) 발진 발열 두통 기침 구토 O O O X O -규칙 기반 분류에 따라, OOOXO 의 규칙을 만족시 댕기열로 진단. 이런 간단한 규칙 적용은 인공지능이 아님. 데이터를 통해 이런 패턴을 만들어 내는 기계학습 과정이 있어야 인공지능이라 할 수 있음.(스스로 패턴 생성 및 학습) ①챗봇(chat bot) : -주어진 규칙에 따라 답변(규칙을 벗어난 답변 불가).. 2023. 1. 22.
인공지능 교육의 동향 및 변화 -교육은 보수적이어서 인공지능의 수용그룹(slow adoptor) AI 역량 AI 리터러시 Competence : 갖추면 좋은 능력 Literacy : 최소한으로 갖춰야 할 소양 Literacy 로 시작해 Competency 로 - 둘 다 모두에서 중요한 건 '사고력' -디지털 역량 : 디지털을 이해, 활용하여 문제를 해결하는 역량 > ① AI 개념 교육 : AI 의 역사, 기본 개념, 핵심 이론 등 AI에 대한 원론적인 것들 ② AI 활용 교육 : AI 플랫폼, 서비스 등을 자유자재로 활용할 수 있는 능력 ③ AI 개발 교육 : AI 개발자를 양성하는 교육. AI 개발자의 경쟁력은 결국 '사고력' ①맞춤형 교육 : 1대1 교육, 개별화 교육 ②다양한 교육 컨텐츠 제공 : AR / VR/ MR(혼합현실).. 2023. 1. 21.
인공지능의 역사와 종류 -알렌 튜링 : 튜링 테스트를 만듬. 기계가 사람과 얼마나 비슷하게 대화 나눌 수 있는 가를 기준으로 인공지능의 여부를 판단하는 테스트 -John Mc Carthy : 지능적 기계를 만드는 과학과 공학 -Oxford : 지능적 인간 행동을 복사할 수 있는 컴퓨터 시스템의 연구 및 개발 -브리태니커 : 컴퓨터, 로봇이 일반적으로 지능적 존재와 관련된 작업을 할 수 있는 능력 1차 AI붐 -튜링테스트 : 기계가 사람과 얼마나 비슷하게 대화 나눌 수 있는 가를 기준으로 인공지능의 여부를 판단하는 테스트 -중국어 방 사고실험 : 튜링테스트로는 인공지능의 여부를 판단할 수 없음. 영어만 아는 사람이 방에 들어가 답변 메뉴얼을 사용해 중국어 질문에 답한다면 이건 인공지능이라 할 수 없음. -But 번역을 계속하면서.. 2023. 1. 20.
AI 교육과정 : AI 언플러그드 활동 -인공신경망 : 인간 뇌의 뉴런 연결을 본 따 만든 신경망 구조 -재귀형신경망(Recurrent Neural Network) : 재귀형 신경망 / 앞 전의 입력값을 기억해 다음의 입력에 영향을 끼치게 설계된 인공신경망의 종류 / 시계열 데이터, 자연어 처리 등에 주로 이용됨. -LSTM(Long Short Term Memory) : 재귀형 신경망을 보완하여 무의미한 값이 다음 입력으로 사용되는 것을 방지함. -GRU(Gated Reccurent Unit) : LTSM을 개량한 알고리즘으로, LTSM보다 적은 parameter(매개변수)를 사용하여 학습시간을 효율화 함. -합성곱 신경망(Convolutional Neural Network) : 풀링층을 활용하여 구획 단위로 이미지 정보를 처리, 분석, 추상.. 2023. 1. 19.
인공지능 구축에 있어서 알고리즘과 데이터 셋의 중요성 가. 창조물은 창조주를 뛰어넘을 수 있는가? 일반적으로 인공지능(AI)의 뜻은 컴퓨터나 로봇이 ‘지능적 행동’을 할 수 있게 하는 능력을 뜻한다. 즉, 인간만이 할 수 있다고 여겨지는 인지, 학습, 추론, 감정 능력 등을 기계 혹은 컴퓨터가 할 수 있도록 만드는 것이다. 그러나 알파고가 인간 최고수 이세돌 9단을 이기면서 사람들 속에 내재된 깊은 욕망을 건드렸다. 바로 창조주를 뛰어넘는 창조물을 만드는 것이다. 우리 인간은 많은 분야에서 이미 인간을 뛰어넘는 발명품들을 만들어 왔다. 인간 보다 빠른 자동차를, 인간 보다 힘이 강한 로봇을, 하늘을 나는 비행기를. 만약 인간이 인간 스스로의 지능을 뛰어넘는 발명품을 만든다면, 인간을 신이라 부르지 않을 이유가 무엇인가? 인간을 뛰어넘는 인공지능을 만들기 위.. 2023. 1. 18.
AI 교육 평가 방법 1.평가의 기본 방향 AI 교육 평가에 앞서, 기본적으로 평가가 지향해야 할 방향이 있다. 첫 번째로는 학습자 중심의 평가이다. 모든 평가는 교사나 평가 도구가 아닌 학습자 중심의 평가가 되어야 한다. 이에 학습을 위한 평가, 학습으로서의 평가가 진행되어야 한다. 평가는 학생의 학습결과에 대한 서열화를 위한 것이 아닌, 학습자의 부족한 부분을 찾아 보충하고 궁극적으로는 성취기준을 달성하기 위한 평가가 되도록 해야한다. 두 번째로는 증거 기반 평가(과정 중심 평가)이다. 증거 기반 평가를 위해서 교육 내용과 평가의 내용이 일치(교수평 일체화)되어야하며, 학생의 결과물이 아닌 성장 과정에 대한 증거를 수집하고 학생 개별 특성에 맞춰서 평가해야 한다. 평가의 방향성을 염두에 두고 구체적인 AI 교육 평가 단계.. 2023. 1. 17.
오직 나만을 위한 일기(2022.12.1) 가치 있는 삶을 살기 위해서 항상 노력한다. 인생에서 무가치한 것은 없다고 믿는다. 그냥 흘려 보내기 아까워 인생에 6가지의 목표를 정하고 최선을 다하기 위해 노력한다. 1) 신체적 건강 그 무엇보다 중요한 건강. 건강하게 오래 살기 위해서 운동도 하고, 영양제도 챙겨먹고, 잘 쉰다. 또 기왕이면 멋진 외향으로 살면 좋으니, 자기 관리도 하는 척 한다. 요즘은 농구에 꽂혀서 나름 열심히 공 튀기고 있다. 2) 정신적 건강 신체적 건강만큼이나 중요한 마음의 건강. 행복은 가짐의 차이가 아닌 것 같다. 자기를 절제할 수 있는 사람이 행복에 조금 가까워 지지 않을까? 긍정적이고, 스트레스 덜받고, 교만하지 않고 자기 반성을 잘한다면 정신적으로 성숙한 사람일 거다. 3) 프로페셔널리즘 = 전문성 = 직업적 성취.. 2022. 12. 1.

티스토리툴바