분류 전체보기
Machine Learning - Supervised Learning (5)
Machine Learning - Supervised Learning (5)
2021.10.17Supervised Learning의 여러 가지 알고리즘들에 대해 살펴보자. 1. Naïve Bayesian Classifier 2. Decision Tree 3. K-Nearest Neighbors 4. Linear Models 5. Support Vector Machine (SVM) 6. Multi Layer Perceptron(MLP) 5. Support Vector Machine Vector Line을 그어서 분류한다. 어떻게 Vector Line을 그어야 가장 잘 분류할 수 있을까? 일반화의 관점에서 생각하면 답을 알 수 있다. 바로 네번째이다. 두 그룹과의 boundary가 되는 구분선의 최소를 최대로 늘리는 Vector Line을 그어야 한다. 즉, margin이 최대한이 되는 직선으로 나눈..
Machine Learning - Supervised Learning (4)
Machine Learning - Supervised Learning (4)
2021.10.17Supervised Learning의 여러 가지 알고리즘들에 대해 살펴보자. 1. Naïve Bayesian Classifier 2. Decision Tree 3. K-Nearest Neighbors 4. Linear Models 5. Support Vector Machine (SVM) 6. Multi Layer Perceptron(MLP) 4. Linear Models 선형 모델. Classification Regression (Regression을 먼저 공부하고 Classification을 공부한다.) Decision Tree 알고리즘에서는 Boundary를 나눌 때 축 상으로 (바둑판처럼) 나눌 수 밖에 없지만, 선형 모델에서는 직선으로 분류할 수 있다. y = ax +b Linear Regress..
Machine Learning - Supervised Learning (3)
Machine Learning - Supervised Learning (3)
2021.10.17Supervised Learning의 여러 가지 알고리즘들에 대해 살펴보자. 1. Naïve Bayesian Classifier 2. Decision Tree 3. K-Nearest Neighbors 4. Linear Models 5. Support Vector Machine (SVM) 6. Multi Layer Perceptron(MLP) 여러 가지 알고리즘들이 있고, 상황에 따라 다른 알고리즘을 적용해야 한다. 3. K-Nearest Neighbors (유유상종) 입력 데이터에 가장 가까운 K개의 데이터 레이블을 표결해 출력 클래스를 결정한다. 이전에 살펴본 스팸 메일 구분하기로 예시를 들면, 먼저 그래프로 스팸메일과 일반 메일들을 데이터화 한 다음 어느 한 메일이 도착했을 때 그 메일 주변에 어떤 ..
Machine Learning - Supervised Learning (2)
Machine Learning - Supervised Learning (2)
2021.10.17Supervised Learning의 여러 가지 알고리즘들에 대해 살펴보자. 1. Naïve Bayesian Classifier 2. Decision Tree 3. K-Nearest neighbor 4. Linear Models 5. Support Vector Machine (SVM) 6. Multi Layer Perceptron(MLP) Linear Model은 Neural Network와 Deep Learning의 기반이 되기 때문에 자세히 알아둬야 한다. 2. Decision Tree (Classification) 결정 트리, Tree Structure 라고도 불린다. node : 질문들 branch : 질문의 답에 대한 분기 이미지를 Decision Tree에 집어넣고, 질문을 한다. 손가락이 몇..
Machine Learning - Supervised Learning (1)
Machine Learning - Supervised Learning (1)
2021.10.17Supervised Learning의 여러 가지 알고리즘들에 대해 살펴보자. 1. Naïve Bayesian Classifier 2. Decision Tree 3. K-Nearest neighbor 4. Linear Models 5. Support Vector Machine (SVM) 6. Multi Layer Perceptron(MLP) Linear Model은 Neural Network와 Deep Learning의 기반이 되기 때문에 자세히 알아둬야 한다. 1. Naïve Bayesian Classifier (Classifier) 영화의 댓글을 보고 긍정적인 평가인지, 부정적인 평가인지 분류하는 Machine Learning을 공부해보자. 컴퓨터는 데이터로 텍스트 자체를 받아들이고 분석하는 것 보다 ..
Machine Learning (2)
Machine Learning (2)
2021.10.17Machine Learning Techinique에 대해서 알아보자. 1. Supervised Learning 2. Unsupervised Learning 3. Reinforcement Learning 1. Learning with a Labled Training set. 지난 시간에 공부했던 방법이다. Classfication(분류) : 딱 떨어지는 결과를 얻는다. 개와 고양이를 판단하는 문제에서는 개 or 고양이를 값으로 얻는다. 입력에 대한 class를 예측한다. 스팸 메일 분류, 이미지 인식 등이 있다. Regression(회귀) : Labeling 이 Continuous하다. 주가가 900~999 사이에서 형성된다면 딱 떨어지는 결과 말고 900 선에서 결정된다 라고 표현하는것과 비슷하다. 출력..
Machine Learning (1)
Machine Learning (1)
2021.10.17앞에서 공부했듯, 사람이 직관의 영역으로 해결하는 문제들을 컴퓨터도 할 수 있도록 하는 기술을 머신러닝이라고 한다. 1997 Mitchell이 Machine Learning을 정의했다. 머신러닝은 작업 T 를 수행하기 위하여 경험 E 로부터 획득한 데이터를 기반으로 모델을 자동으로 구성하여 성능 P 를 향상시킬 수 있는 컴퓨터 프로그램이다. 작업 T는 시험 공부를 할 때 수업을 듣는 것을 의미하고 경험 E는 쪽지시험을 보고, 퀴즈를 풀고 연습문제를 푸는 것을 의미하며 성능 P는 시험을 보는 것을 의미한다. 위를 통해서 학습을 진행하는데, 기계도 위와 같은 방식으로 학습을 진행한다. 다음과 같은 이미지를 구분하는 머신러닝을 수행한다고 생각하자. (전통적인) 머신 러닝은 다음과 같은 절차로 진행된다. 1. ..
Machine Learning / Deep Learning
Machine Learning / Deep Learning
2021.10.17지난 시간에 컴퓨터과학 분야에서의 인공지능에서도 다뤘듯, 학문 간의 포함관계는 다음과 같이 정의된다. Deep Learning과 Machine Learning을 비교한다고 하면, 전통적인 Machine Learning과 Deep Learning을 비교하는 것으로 이해하자. Machine Learning 기계가 스스로 학습을 한다. Java C Python 등으로 수행하는 일반적인 프로그래밍이라면, 입력을 받고 규칙을 프로그래밍해 답을 출력하지만, Machine Learning은 입력과 출력을 통해 규칙을 찾는 형식으로 진행한다. 수능 수학을 준비할 때, f(x)라는 함수는 문제에서 주어지고, 이 함수가 왜 이렇게 정의됐는지에 대해서는 생각할 필요가 없다. 머신러닝에서는 함수가 어떻게 정의되는지, 어떤 규..
인공지능에 관련된 주요 논쟁
인공지능에 관련된 주요 논쟁
2021.10.17Weak AI 현재의 인공지능 수준. 특정 영역의 학습한 작업에 대해서만 수행. Strong AI 인간과 동등하거나 우월한 능력을 지닌 인공지능. 현재의 인공지능이 Strong AI로 발전할 때, 기술적 특이점이 온다. Technological Singularity 초지능이 탄생하는 시점. 인공지능이 인간의 지능을 넘는 시점. 스티븐 호킹과 엘론머스크는 강 인공지능이 생기면 인류가 멸망한다고 말한 적이 있음. Robust AI 인공지능 시스템에서의 사소한 오류가 치명적인 결과를 초래할 수 있다. 예시로, 채팅봇 테이가 SNS를 통해 학습하자 인종 / 성차별적 발언과 욕설 등을 뱉기 시작했다. 다른 문제점으로는 더 많은 교육을 필요로 하는 일자리만이 살아남는다는 문제점과 상위권의 독식이 심해지는 사회구조로..
인공지능의 역사
인공지능의 역사
2021.10.171950 : 튜링 테스트 1956 : John McCarthy가 Artificial Intelligence 용어를 창안 1960 ~ 1970 : 인공지능 태동기 그리고 과열 1973 : 인공지능의 암흑기의 시작 1974 ~ 1980 : 1st Winter. 암흑기 1980s : 전문가 시스템. 두 번째 AI boom 1987 ~ 1993 : 2nd Winter. 암흑기 1990s : 확률 추론 연구. 베이지안넷, SVM 등. 1997 : 체스 챔피언을 정식 대국에서 이김. 2006 : Deep Learning 개념 탄생 2011 : 퀴즈쇼에서 우승 2016 : DeepMind. 알파고의 등장. 기술 발전의 역사를 살펴보면, 1943 : Neural Networks 인간 두뇌에 관한 최초의 논리적 모델링...
인공지능은 무엇일까? (2)
인공지능은 무엇일까? (2)
2021.10.17인공지능은 1956년에 John McCarthy가 창안한 용어이다. 인공지능 즉, Artificial Intelligence는 지능이 있는 기계를 만들기 위한 공학, 미학을 의미하고, 인간과 유사한 지능을 가지는 기계와 소프트웨어를 개발하는 컴퓨터과학의 한 분야이다. 인공지능과 유사한 분야로 환경을 인지하고 목표를 달성하기 위해 자율적으로 행동하는 시스템인 Intelligent agent라는 연구분야가 있다. 환경으로부터 정보를 인지하고 목표성을 가지고 행동을 취하는 시스템. Autonomy + Learning 터미네이터를 생각하면 이해하기 쉽다. 컴퓨터과학 분야에서의 인공지능 인공지능은 인간과 유사한 지능을 가지는 기계를 만드는 것인데, 지능을 가지는지 어떻게 알 수 있을까? 컴퓨터과학의 아버지라고 불..
인공지능은 무엇일까? (1)
인공지능은 무엇일까? (1)
2021.10.17정보는 점점 더 많아지고, 하드웨어의 발전에 따라 처리할 수 있는 정보들도 많아지고 있다. 정보에는 text visual data audio user activity graph 이 있는데, 당장 유튜브에서 영상을 본다고 할 때, 내가 본 영상들과 비슷한 영상을 보는 사람들에게 내가 본 영상을 추천해 주는 등, 우리들은 일상 생활에서 다양한 정보를 생산하고 있다. 즉, 데이터라는건 인간의 삶 자체를 의미한다. 이런 정보들을 기계가 이해했으면 좋겠고, 이런 기반 속에서 인공지능이 탄생했다. 이 그림을 사람이 봤다면, 여러 가지를 추론하고 알아낼 수 있다. 1. 그림속의 아이는 여자아이이다. 2. 쿠션은 좀 낡아있다. 3. 곰인형을 끌어안고 있다. 이 사진을 보고 두뇌가 인지하고 말을 했다. 하지만, 할 수 ..