AI대학원54 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. 완전 초짜 ORANGE 3 : 시스템 제작 과정 ▷시스템 제작 과정 AI 문제 확인 AI 솔루션 확인 AI 솔루션 설계 AI 솔루션 개발 평가 및 피드백 -AI로 해결 가능한 문제 찾기 EX) 주택가격 -문제 해결 방법 찾기 -다양한 분석틀 이용 -구체적 '안' 설계 -어디에서 데이터를 수지할까? 데이터 수집의 한계 -오렌지3 워크플로우 제작 -새로운 데이터에 적용 -결과 확인 ▷시스템 제작 예제 확인 1) 네트워크 분석 모델 네트워크 분석은 군집화와 연결성이 좋다. 일반적인 데이터도 Distances(계층적 군집화 모델)로 instance간 거리(유사도)를 수치화하면, 네트워크 위젯으로 분석하고 표현할 수 있다. 또한, Distances 위젯으로 분석했기 때문에 Distance Matrix나 Hierarchical Clustering 위젯 등으로 시.. 2021. 9. 9. 완전 초짜 ORANGE 3 : 네트워크 분석 ▷네트워크 분석 -개인과 집단들 간의 관계를 모형화 해, 그 구조, 확산, 진화 과정을 계랑적으로 분석하는 것 -노드 : 분석하려고 하는 객체 -링크 : 노드와 노드 사이의 연결성 (단방향 / 양방향) -밀도 : 노드에 연결되어 있는 링크의 수 -중심성 : 어떤 노드가 가장 중요한지 살피는 척도 -네트워크 중심성의 척도 : 연결 중심성 / 근접 중심성 -연결 중심성 : 노드에 연결된 연결성(링크)의 크기로 중심성을 평가 -근접 중심성 : 노드와 노드 사이의 거리로 중심성을 평가 ▷네트워크 분석 위젯 ▷ Network Analysis / Network Clustering / Network Explorer -분석을 시작하기 전에 해당 네트워크에 대한 개략적인 정보를 얻을 수 있는 위젯이 Network Ana.. 2021. 9. 8. 완전 초짜 ORANGE 3 : 시계열 분석 ▷시계열 분석(Time Series Analysis) -시간의 흐름에 따라 일정 간격으로 사건을 관찰 기록한 데이터로 미래 관측값을 예측하는 것 -시계열 자료 + 분석 = 시계열 분석 -시계열 자료 : 1) 연속 시계열 : 연속적으로 생성되는 자료 2) 이산 시계열 : 일정한 시차를 두고 생성되는 자료 -시계열의 요인 : 1) 추세 요인 (Trend Factor) 2) 계절 요인 (Seasonal Factor) - 고정된 주기에 따라 자료 변화 3) 추세 요인 + 계절 요인 혼합 4) 순환 요인 (Cyclical Factor - 알려지지 않은 주기를 가지고 자료 변화 5) 불규칙 요인 (Irregular Factor) - 일상의 대부분의 시계열 자료들 ▷차분(Differencing) -정상 과정(Stat.. 2021. 9. 7. 완전 초짜 ORANGE 3 : 연관 분석 ▷연관 분석(Association Analysis) -비지도 학습의 하나 = 연관된 정보를 찾아가는 분석. -장바구니 분석 / 서열 분석. -데이터 사이의 순서와 상관관계를 살펴봄. -주로 기업이 구매 패턴을 분석 시 사용. -장비구니 분석 예 : 월마트 분석 = 20, 30대의 남자가 마트를 갈 때 기저귀와 맥주를 함께 구입한다. / 남자가 마트를 갈 때는 주로 아내의 심부름으로 가는 경우가 많음. 그래서 아기 기저귀를 사고 자신이 마실 맥주를 함께 구입하는 것. -서열 분석 예 : A 를 산 다음에 B를 산다 >> 보험사의 부정행위 적발 ▷연관성 규칙(Association Rule) -조건과 반응 : if A then B / A → B 이고, B → C 라면 A → C 일거라는 것 / 이때 A가 B의.. 2021. 9. 6. 완전 초짜 ORANGE 3 : 지오코딩 ▷지오코딩(Geocoding) -지리공간 인공지능 = Geo AI -지오코딩 = 고유명칭(주소, 지명 등)을 위도, 경도의 좌표값으로 변환 -역지오코딩 = 위도, 경도의 좌표 값을 주소(고유명칭)으로 변환 -지리 공간 서비스를 시각화하고, 지리적 위치의 패턴과 추세를 시각화함. -응용분야 : 모빌리티 / 부동산 가격 예측 등 ▷지오코딩(Geocoding) 위젯 ▷Geocoding Geocoding 위젯은 등록된 고유명칭을 위도, 경도 값으로 바꿔준다. 이때 등록되지 않은 고유명칭이 나올 경우 위처럼 등록된 고유명칭으로 바꿔줘야 컴퓨터가 인식할 수 있다. ▷Choropleth Map 이 위젯은 통계 변수의 측정에 비례해 영역이 음영처리되는 주제 맵으로 표시한다. 즉 하나의 커다란 세계지도 역할이다. ▷Ge.. 2021. 9. 5. 완전 초짜 ORANGE 3 : 내가 분석한 실습예제 1. 모델 생성 위와 같이 로지스틱 회귀 / 서포트백터머신 / 결정트리 / 랜던포레스트 /k-Nearest Neighbor 의 5가지 지도학습 알고리즘을 활용하여 타이타닉 생존자 예측 모델을 테스트 했습니다. 2. 학습 / 예측 현재 5가지 모델 중 random forest 모델의 area under ROC curve / accuracy / f1 score / 정밀도 / 재현율이 가장 높습니다. Tree 모델보다 근소하게 높습니다. 따라서 타이타닉 생존자 예측에 가장 최적화된 모델은 random forest 모델일 것으로 예상됩니다. 3. 평가 random forest 와 Tree 모델을 비교해보면 TN/FN 영역에서는 랜덤 포레스트가, FP/TP 영역에서는 트리 모델이 좀 더 우위인 것을 확인할 수 있.. 2021. 9. 4. 이전 1 2 3 4 5 6 다음
