본문 바로가기
반응형

분류 전체보기

 (291)
머신러닝 라이프 사이클 (3) 지난 글에 이어서 머신 러닝 개발 라이프 사이클의 3,4,5 단계인 모델 개발, 배포, 모니터링 및 최적화에 대해 알아보겠습니다. 모델 개발(Model Development) 데이터가 준비되면 모델을 개발할 차례입니다. 모델 준비는 기계 학습 라이프 사이클의 핵심이며, 다음과 같은 세 가지 단계를 거치게 됩니다. 모델 선택 및 평가 수행 첫 번째 단계는 개발에 사용할 모델 유형을 선택하는 것입니다. 데이터 과학자들은 일반적으로 어떤 모형이 더 잘 작동하는지 확인하기 위해 여러 모형을 적합시키고 검정합니다. 일반적으로 데이터 유형과 정확도가 가장 높은 데이터 유형에 따라 모형(분류 모형, 회귀 모형 등)을 선택합니다. 모델 교육 이 단계에서는 데이터 과학자들이 모형을 사용하여 실험을 시작합니다. 데이터를 ..
머신러닝 라이프 사이클 (2) 머신 러닝 개발 라이프사이클의 5단계 중 앞선 두 단계인 계획과 데이터 준비에 대해 알아보겠습니다. 계획(Planning) 모든 모델 개발 시작은 해결하고자 하는 문제를 정의함으로써 세부 계획으로 시작해야 합니다. 모델 구축은 리소스 집약적인 프로세스이기 때문에, 더 쉬운 방법으로 해결할 수 있는 문제에 대해 시간과 비용을 들이는 것이 비효율적입니다. 우선 고객 전환율이 낮거나 부정행위가 많다는 등 해결하고자 하는 문제를 명확하게 정의하는 것이 첫 번째 단계입니다. 다음으로는 문제를 해결함으로써 달성하고자 하는 목표를 정하는 것입니다. 예를 들어, 가능한 목표에는 고객 전환율을 개선하거나 부정행위의 양을 줄이는 것이 포함될 수 있습니다. 마지막으로, 성공을 확인하기 위한 측정 기준을 설정합니다. 성공적인..
머신러닝 라이프 사이클 (1) 머신러닝(ML) 모델을 구축하고 사용하는 과정에는 많은 계획과 노력이 필요합니다. 머신러닝 라이프사이클 단계는 5개의 주요 단계로 나눌 수 있으며, 모두 똑같이 중요한 고려 사항을 수반합니다. 이러한 라이프사이클을 완벽하게 이해하면 데이터 과학자들이 리소스를 관리하고 프로세스에서 리소스가 어떤 위치에 있는지 실시간으로 파악할 수 있습니다. 오늘은 계획 수립, 데이터 준비, 모델 구축, 구축 및 모니터링을 포함하는 5단계에 대해 설명해 보겠습니다. 모델 개발 라이프 사이클이란? 머신 러닝 라이프 사이클은 인공지능(AI)과 기계 학습(ML)을 활용하여 효과적인 머신 러닝 프로젝트를 구축하는 것을 포함합니다. 주어진 프로젝트의 초기 개념에서 시작하여 모델 개발로 이동하고 성능을 모니터링하고 최적화하는 것으로 ..
AI 인포그래픽의 미래 (4) 인포그래픽의 미래: 인공지능이 디자인을 대신할 것인가? (2) 인공지능 이미지 생성 소프트웨어 사용 증가 Jasper Art와 DALL-E2와 같은 혁신적인 AI 시스템은 ML을 사용하여 텍스트에서 이미지를 만듭니다. 이 경우 인공지능은 단어를 이해하고 독특한 이미지로 변환하는 데 도움을 줍니다. 인공지능 인포그래픽 디자인은 점점 더 이 소프트웨어에 의존할 것입니다. 특히, 재고 사진을 찾거나 포토샵을 시도하는 데 몇 시간을 소비하는 대신, 사용자들은 Jasper에게 그들이 원하는 것을 말할 수 있습니다. 그리고 그 소프트웨어는 그 매개변수들을 기반으로 몇 초 안에 독특한 예술을 창조할 것입니다. 인포그래픽을 통한 고품질 이미지 인공지능은 사진을 복원하고 해상도를 향상하는 과정을 획기적으로 간소화할 것입..
AI 인포그래픽의 미래 (3) 인포그래픽의 미래: 인공지능이 디자인을 대신할 것인가? (1) AI는 점점 더 디자이너들이 끊임없이 진화하는 디자인 세계에서 성공할 수 있도록 돕는 창의적인 협력자이자 도구 역할을 할 것입니다. Digital Kitchen의 설립자이자 회장인 Paul Matthaeus에 따르면, 스토리텔링은 미래에 명확한 내러티브 아크가 없을 것이라고 합니다. 특히, 창의적인 글쓰기는 작가들이 새로운 형태의 대화형 이야기를 만드는 것을 돕기 위해 인공지능과 융합될 것입니다. 그리고 그것이 더 진보된 AI 인포그래픽이 작동하는 곳입니다. 기계와 인간 활동 사이의 흐릿한 경계는 디자이너들에게 새로운 문을 계속 열어주고 있습니다. 예를 들어 Canva 및 Visma와 같은 스마트 AI 설계 도구를 사용하면 사용자가 기본 설계..
AI 인포그래픽의 미래 (2) 인포그래픽의 유형 인포그래픽은 종종 통계, 지도 및 계층, 데이터, 시간 및 장소의 변경사항 또는 비교를 표시하는 데 사용됩니다. 예를 들면, 회사들은 뉴스를 전달하고 구독자들에게 새로운 제품이나 서비스에 대해 알리기 위해 시각적으로 기억하기 쉬운 뉴스레터를 보냅니다. 또한 인포그래픽은 교육자와 교육 담당자가 학습자에게 더 기억에 남는 콘텐츠를 만드는 데 도움이 됩니다. 가장 일반적인 인포그래픽 유형 몇 가지를 살펴보게 되면, 우선 통계자료는 특정한 데이터나 통계적인 내용을 표시하고 있습니다. 또한, 복잡한 주제의 주요 요점을 요약한 정보, 이벤트 계획에 대한 단계나 회사의 중요한 이정표를 타임라인으로 표시하기도 합니다. 그 외에도 프로세스 흐름도(flowchart), 비교, 목록, 지도 등이 있습니다...
AI 인포그래픽의 미래 (1) 인공지능(AI)은 설계자가 더 빠르고 저렴한 비용으로 인포그래픽을 만들 수 있도록 지원합니다. 이러한 AI 인포그래픽의 미래는 증강 현실(AR)과 가상현실(VR) 및 빅 데이터와 그래픽 디자인 사이의 흐릿한 선에 의존합니다. AI와 머신 러닝(ML)을 기반으로 한 실시간 데이터 분석은 점점 더 정확하고 심층적이며 예측적이며 대화형이며 매력적인 인포그래픽을 빠르고 쉽게 설계하는 데 도움이 될 것입니다. 인포그래픽은 데이터를 보다 명확하고 간결하게 묘사하고 설명하는 데 사용되는 정보의 시각적 표현입니다. 그리고 2025년까지 전 세계 데이터 생성량이 180 제타바이트를 넘어설 것으로 예상되는 오늘날 인포그래픽의 필요성은 그 어느 때보다 절실합니다. 오늘은인공지능 인포그래픽 그리고 기술의 주요 동인인 인공지능..
사법 분야에서 머신 러닝 알고리즘의 사용 (4) 사법제도의 머신러닝 알고리즘 개선방안 사법 시스템에서 기계 학습 알고리즘의 미래는 여전히 모호합니다. 그러나 경영진과 소프트웨어 개발자를 포함한 모든 사람이 현재의 문제를 제거하는 솔루션을 찾는다면 ML 모델은 법원의 의사 결정 프로세스를 진정으로 혁신할 수 있습니다. 여기 형사 사법에서 AI의 역할을 활성화하는 데 도움이 될 수 있는 네 가지 권고 사항이 있습니다. 먼저, 모델 구현에 대한 인간의 감독입니다. 첫째, 데이터 준비부터 구현까지 AI 인프라의 모든 단계를 인간이 주시하는 것이 중요합니다. 이러한 도구들이 아무리 발전해도, 인간은 항상 최종 결정을 내립니다. 판사는 판결을 내릴 때 RAI의 결과를 준수하거나 반박하는 경우 항상 서면 설명을 해야 합니다. 이것은 판사들이 의식적으로 그들의 결정..
사법 분야에서 머신 러닝 알고리즘의 사용 (3) 형사 사법 위험 평가 도구의 문제점 현재의 위험 평가 도구는 이미 널리 퍼져 있는 의사 결정의 편향을 악화시킨다고 주장하는 몇몇 전문가들과 함께 약간의 논란을 불러일으켰습니다. 문제는 ML 모델이 이전 데이터에 대해 훈련된다는 것입니다. 예를 들어, 그 데이터는 범죄 기록과 이전 법원 사건에 대한 정보를 포함합니다. 그러나 이 데이터에 과거에 인간이 내린 편향된 결정이 포함되어 있다면, 알고리듬은 편향을 상속하고 결함 있는 데이터에 대해 훈련되어 편향된 결과를 생성합니다. 편향된 의사 결정의 가장 두드러진 예시로는 마리화나 소지에 대한 유죄 판결에서 아프리카계 미국인들의 차별이 있습니다. 연구에 따르면 모든 인종 집단이 동일한 비율로 마리화나를 소비하는 것으로 추정된다고 합니다. 하지만, 아프리카계 미국..
사법 분야에서 머신 러닝 알고리즘의 사용 (2) 사법 분야에서 인공지능의 이점 사법 시스템에 AI를 배치하는 가장 두드러진 이점은 다음과 같이 4가지가 있습니다 먼저, 인간의 작업 속도를 높이고 정확성을 높입니다. 기계 학습 알고리즘은 인간이 수행하는 프로세스를 가속화하여 용의자를 선별하는 데 도움이 됩니다. 예를 들어, 고품질 카메라는 마약 밀매에서부터 총기 난사에 이르기까지 모든 것을 포착하고 이러한 범죄를 실시간으로 관련 당국에 보고할 수 있습니다. 금융 사기, 피싱 공격, 다크 웹 개입을 포함한 온라인 관련 범죄를 탐지하기 위해 AI 기반 도구도 배치됩니다. 다음으로는, 범죄 패턴을 예측하고 있습니다. 과거 사례에 대한 방대한 양의 데이터를 사용하여 ML 모델은 인간의 행동과 미래 범죄를 저지르는 경향을 예측할 수 있습니다. 기본적인 예는 이전..
반응형

티스토리툴바