본문 바로가기

교육은 한 사람의 인생을 바꾼다72

인공신경망의 이해 : RNN ( 순환 신경망) 1. 인공신경망의 약점 : 기억력 부족! 인공신경망은 분류에 큰 장점이 있다. 하지만 기억을 할 수 있는 노드가 없기 때문에 시계열적 데이터, 즉 순서가 문제가 되는 데이터를 처리할 수 없다. 이런 약점을 보완한 것이 바로 RNN이다. 2. RNN : Recurrent Neural Network = 순환 신경망, 재귀 신경망 1) 원 핫 인코딩(One Hot Encoding) 이미지 데이터와는 다른 시계열 데이터(순서가 있는)를 처리하기 위해서는 독립적인 데이터를 컴퓨터가 이해할 수 있는 0과 1로 변환하는 작업이 필요하다. 이를 원 핫 인코딩이라고 한다. 예를 들어보자 H E L O (1,0,0,0) (0,1,0,0) (0,0,1,0) (0,0,0,1) H,E,L,O 라는 4가지 단어를 원 핫 인코딩 .. 2023. 1. 27.
인공신경망의 이해 : 인공신경망의 작동 원리 1. 인공신경망의 작동 원리 : 기본 단위인 뉴런 인공신경망은 인간의 뇌의 작동 방식인 신경망 구조를 본따 알고리즘화 한 것이다. 뇌는 여러 신경세포(뉴런)의 네트워크로 구성된다. 이런 신경세포 구조를 인공으로 구현하기 위해서는 먼저, 단일 뉴런의 구조를 본따야 한다. AI에서는 이런 단일 뉴런을 '노드'라고 한다. 1) 입력은 가중치로 인공뉴런(노드)에 외부로부터 입력이 들어오면 '가중치'와 곱해져서 처리된다. 여러 노드가 연결된 인공 신경망에서는 한 노드의 출력이 곧 다른 노드의 입력이 되기 때문에, '가중치'란 노드(뉴런) 간의 연결 강도를 나타내며 신경망에서 더 중요한 정보(입력)를 표현하는 방법이다. 한 노드에 입력되는 입력값은 가중치 곱들의 합이라는 의미로 가중합(선형합)이라고 한다. 2) 출.. 2023. 1. 26.
인공신경망의 이해 : 생존이라는 강화학습 1. 생명체의 역사 : 삶이라는 '강화학습' 기린의 목은 어떻게 길어지게 되었을까? 과거에는 목이 긴 기린과 목이 짧은 기린이 같이 살고 있었다. 먹이가 부족할 때 목이 짧은 기린은 먹이를 못먹지만, 목이 긴 기린은 먹이를 먹어 생존할 수 있다. 결국 목이 긴 기린들이 더 많이 살아남아 자손을 남길 기회를 갖게된다. 이에 따라 목이 긴 유전형질만 남게 된다. 다윈은 이를 '자연선택'이라고 불렀다. 생명체의 역사는 이렇듯 생존과 번식에 유리한 형질만 남기는 '강화 학습' 같다. 2. 신경망에서의 강화 : 가중치 생명체의 역사에서 생존을 통해 유리한 유전형질이 강화된다면, 생명체의 내부 신경망에서는 '가중치'를 통해 유의미한 입력이 강화된다. 이렇듯 생명체는 안팎으로 생존을 향한 강화 학습을 위해 몸부림 치.. 2023. 1. 25.
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.

티스토리툴바