인공지능(AI) (139) 썸네일형 리스트형 딥러닝과 머신러닝, 데이터사이언스 딥러닝 VS 머신러닝 이전 글에서 언급한 내용을 통해 알아보면 머신러닝과 딥러닝이 모두 AI의 한 종류이며, 딥러닝은 머신러닝의 한 종류입니다. 다시 말해, 딥 러닝은 그 자체가 AI의 하위 유형인 기계 학습의 하위 유형으로 이 두 종류 AI의 차이점은 AI 모델에 제시된 데이터에 있습니다. 일반적으로 머신러닝의 접근 방식에는 구조화된 데이터, 즉 식별하려는 항목에 대한 레이블이 포함된 데이터가 필요합니다. 예를 들어, 데이터 과학자들이 모델에 개와 고양이의 이미지를 제공한다면, 사용자는 직접 각 이미지에 개 또는 고양이라는 라벨을 붙여야 합니다. 그렇게 함으로써, 기계 학습 알고리즘은 두 종의 차이를 학습할 수 있었습니다. 모델이 제대로 작동하지 않으면 사용자가 관련 조건을 조정하고 다시 시도해야 합니.. 딥러닝의 한계 딥러닝의 한계 딥 러닝 모델의 가장 큰 한계는 관찰을 통해 학습한다는 것입니다. 따라서, 그들은 일반화된 방식으로 학습하지 않습니다. 모델은 훈련 데이터에 무엇이 있었는지만 알고 있으며, 이는 더 넓은 기능 영역을 대표하지 않습니다. 예를 들어, 모델이 고양이와 개의 사진에 대해 훈련을 받았다면, 비슷한 특징을 가진 다른 동물을 정확하게 예측할 수 없게 됩니다. 딥러닝의 또 다른 한계는 편향에 대한 문제입니다. 모델이 편향을 포함하는 데이터를 학습하는 경우 예측에서 이러한 편향을 재현합니다. 예를 들어, 데이터 과학자들이 음성 비서 서비스를 개발하여 특정 지역의 사람들의 목소리로 훈련한다고 가정해보면, 이 경우 모델은 다른 지역에서 사용되는 사투리나 억양을 이해하는 데 어려움을 겪을 수 있습니다. 딥 러.. 딥러닝 신경망과 활용 딥러닝 신경망 전형적인 신경망(neural network)은 입력 노드층, 복수의 은닉층 및 출력층의 노드층을 포함합니다. 인공 신경망이라고 불리는 이 신경망은 인간 뇌의 행동을 반영하는데, 이것은 컴퓨터 프로그램이 패턴을 인식하고 다른 문제들을 해결할 수 있게 해 줍니다. 뉴럴 네트워크는 시간이 지남에 따라 학습하고 정확도를 향상시키기 위해 방대한 양의 훈련 데이터에 의존합니다. 데이터 과학자는 레이블이 지정된 데이터 세트에 대한 감독 학습을 활용하여 알고리즘을 교육합니다. 뉴런은 시냅스라고 불리는 선으로 연결되어 있고, 각 시냅스에는 활성화 번호에 의해 결정되는 가중치가 있어 무게가 클수록 다음 신경망 계층에서 더 우세합니다. 딥 러닝 아키텍처 또는 뉴럴 네트워크에는 여러 가지 유형이 있습니다. 예를.. 딥러닝의 작동과 모델 딥 러닝은 우리의 일상생활에서 필수적인 부분이 되었습니다. 우리는 알게 모르게 딥 러닝을 매일 사용하고 있습니다. 예를 들어 구글이 몇 초 만에 전체 웹 페이지를 언어 간에 자동으로 번역하거나 얼굴 인식으로 휴대폰을 잠금 해제하는 것들이 딥 러닝의 산물입니다. 딥 러닝은 인공지능(AI)의 하위 집합인 머신 러닝(ML)의 하위 집합이고, AI는 기계가 인간의 행동을 모방할 수 있게 하는 기술인 반면, ML은 데이터로 훈련한 알고리즘을 통해 AI를 실현하는 기술입니다. 동시에 데이터 과학은 인공지능, 기계학습, 딥러닝을 망라하는 영역입니다. 딥 러닝은 인간의 뇌 구조에서 영감을 얻은 기계 학습 기술로 사용되는 모델 및 머신 러닝과 어떻게 다른지 알아보겠습니다. 딥러닝과 작동 딥 러닝은 인간 뇌의 구조와 기능.. 튜링 테스트(Turing Test) 2편 튜링 테스트(Turing Test) 1편 튜링 테스트란? 튜링 테스트는 기계가 인간의 지능을 보여줄 수 있는 여부를 판단하는 방법으로 기계와 대화하는 인간이 이를 기계라고 생각하지 않는다면 성공하는 테스트입니다. 이는 1950년 bloginformation.co.kr 튜링 테스트 버전 튜링 테스트에는 여러 가지 버전이 있으며, 모두 응답자가 인간인지 기계인지를 감지하기 위한 의도를 가지고 있습니다. 각 버전은 응답자에게 서로 다른 질문을 하고 반응을 평가하는 데 있어서, 서로 다른 접근 방식을 취합니다. 우선 모방 게임(Imitation Game)에서는 종종 3자를 사용합니다. 첫 번째 사람은 남성, 두 번째 사람은 여성, 세 번째 사람은 처음 두 사람의 성별을 결정하는 역할을 담당하고, 첫 번째 사람은.. 튜링 테스트(Turing Test) 1편 튜링 테스트란? 튜링 테스트는 기계가 인간의 지능을 보여줄 수 있는 여부를 판단하는 방법으로 기계와 대화하는 인간이 이를 기계라고 생각하지 않는다면 성공하는 테스트입니다. 이는 1950년 수학자이자 컴퓨팅의 선구자인 앨런 튜링이 발표한 논문에서 제안되었습니다. 이후에 튜링테스트는 인공지능(AI)의 이론과 발전에 있어 근본적인 동기가 되었습니다. 눈 깜짝할 사이에 한 언어를 다른 언어로 번역하는 프로그램, 집 전체를 몇 분 만에 청소하는 로봇, 개인화된 은퇴 포트폴리오를 만드는 금융 로봇, 건강과 건강 수준을 추적하는 웨어러블 기기 등을 통해 컴퓨터의 급속한 발전을 볼 수 있습니다. 파괴적인 기술의 최전선은 인공지능의 발전과 컴퓨터가 겪을 수 있는 한계이므로 , 튜링 테스트는 컴퓨터가 사람으로 오인될 정도.. AI 구축 방법 인공지능과 AI운용 및 응용 디지털 컴퓨터가 개발된 1940년대부터 컴퓨터가 매우 복잡한 작업을 수행하도록 프로그램될 수 있다는 사실이 분명해졌습니다. 수학 정리에 대한 증거를 찾거나 체스를 두는 등, 컴퓨터나 컴퓨 bloginformation.co.kr 이전 글에 이어서 인공지능 시스템을 구축하는데 도움이 되는 기본 단계들을 7가지로 나누어 살펴보겠습니다. 1단계 : 문제파악 제품이나 기능을 개발하기 전에 사용자의 문제점에 초점을 맞추고 사용자가 제품에서 얻을 수 있는 가치를 파악하는 것이 중요합니다. 문제파악은 고객이 제품을 구매하기로 선택한 경우 고객에게 제공하기로 약속한 가치와 관련이 있습니다. 문제 해결을 위한 아이디어를 파악함으로써 더욱 사용자에게 도움이 되는 제품을 만들고 더 많은 혜택을 제.. 인공지능과 AI운용 및 응용 디지털 컴퓨터가 개발된 1940년대부터 컴퓨터가 매우 복잡한 작업을 수행하도록 프로그램될 수 있다는 사실이 분명해졌습니다. 수학 정리에 대한 증거를 찾거나 체스를 두는 등, 컴퓨터나 컴퓨터로 조종되는 로봇은 인간의 전형적인 작업을 수행할 수 있게 되었고, 여기서 인공지능이 작동하게 되었습니다. 인공지능(AI)이란 무엇인가? 인공지능(AI)은 디지털 컴퓨터나 컴퓨터로 조종되는 로봇이 지능적인 존재가 수행하는 작업을 수행하는 능력입니다. 또한 컴퓨터 과학의 한 분야로 시리, 알렉사 등의 스마트 어시스턴트나 자율주행 자동차, 대화용 쳇봇, 이메일 스팸 필터 등이 AI가 사용되는 예시로 볼 수 있습니다. 수학자 앨런 튜링의 논문 'Computing Machinery and Intelligence'과 튜링 테스트.. MNIST 머신 러닝 개요 MNIST는 우리가 새로운 프로그래밍 언어를 배울 때 'Hello World'를 출력하는 것처럼, 딥러닝을 처음 배울 때 반드시 처음 거쳐야 하는 과정이다. 이는 28 x 28 크기의 숫자 이미지와 0~9까지의 정답으로 이루어져 있다. MNIST 데이터베이스 MNIST 데이터베이스 (Modified National Institute of Standards and Technolgy database)는 숫자0부터 9까지의 손글씨로 이루어진 대형 데이터베이스로, 다양한 화상 처리 시스템을 트레이닝하기 위해서 일반적으로 사용된다. MNIST 데이터베이스는 6만 개의 트레이닝 이미지와 만개의 테스트 이미지를 포함하고 있다. 딥러닝 아키텍처 딥러닝의 기본 아키텍처는 입력층, 은닉층, 출력층으로 나뉜다. 우선 .. 이전 1 ··· 11 12 13 14 다음
