[AI 웹개발 취업캠프] 인공지능(AI) 능력시험 AICE Basic 대비 올인원 패키지 (1)

 

 

AI 정의

AI - 알고리즘으로 데이터를 학습하여 모델을 만드는 기술

전통적인 프로그래밍과 다른점 - 기존의 프로그래밍은 규칙을 사람이 만들어서 해답을 도출 (기계에 부여하는 명령을 만드는 작업과 달리,)

머신러닝은 알고리즘으로 데이터를 학습하여 판단이나 예측을 하는 기술 - 스스로 규칙을 만들어냄

AI 용어 및 요소

빅데이터 시대의 도래 - 양질의 데이터 폭발적 증가

컴퓨팅 기술의 발전 - gpu와 클라우드 기술의 발전

Easy & Open - Ai 기술 및 알고리즘 공유 문화

프레임워크 - TF, Pytorch, keras

프로그래밍 언어 - R, Python

AI 모델링 자동화 플랫폼 - AIDU ez, maum.ai, Ai suite, samsung sds brightics ai

오픈소스 라이브러리 - numpy, pandas

만드는 것보다 잘 찾아서 사용하는것이 중요해짐 - Don’t invent the wheel

AI구현을 위한 3대 요소

• 알고리즘 - 모델의 성능에 영향을 줌
• 데이터 - 데이터의 중요성은 가장 중요
• GPU - GPGPU 덕분에 ai의 가속화 진행

인공지능 = 계산 학습등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술

머신러닝 = 특정 부분을 스스로 학습해 성능을 향상

딥러닝 = 인간의 뉴런과 비슷한 인공신경망으로 정보를 처리 (머신러닝의 한 분야)

기계학습 Machine Learning

1. 지도학습 Supervised Learning - 정답이 정해져 있는 데이터를 기초로 사람이 정해준 정답에 따라 학습 (대량의 데이터가 제공될수록 유리)
   • Task Driven (Predict next Value)
2. 비지도 학습 Unsupervised Learning - 정답이 없는 데이터 집합에서 데이터의 특성을 분석하여 군집화 하는 학습 방법 (정확한 학습 환경이 마련 되는 것이 중요)
   • Data Driven (Identify Clusters)
3. 강화학습 Reinforcement Learning - 학습과정에서 정답을 맞추면 보상을 주어 정답을 도출할 가능성을 높이는 학습 방법
   • Learn from Mistakes

지도 학습

• 입력(Feature, X)/ 출력(Label, Y) 데이터로 학습
• 과거 데이터로 미래를 예측
• 예측 (Predict) = 분류(Classification), 회귀(Regression)
• 결과가 범주형이면 분류, 수치형이면 회귀

분류

• 분류는 명확하게 나눠진 범주형 데이터를 구분하는 것

회귀

• 수치형 데이터를 예측 (e.g. 사람의 몸무게와 키를 연관해서 예측)
• 선형회귀는 직선을 잘 구해서 예측하는 방법

지도 학습 순서

1. 정답이 있는 데이터 수집
2. 정답이 있는 트레이닝 셋과 정답이 없는 테스트 셋으로 나눔 8대2, 7대3 정도로 나눔
3. 정답이 있는 트레이닝셋을 통해 머신러닝을 통해 모델 생성후
4. 정답이 없는 테스트 셋을 모델에 넣어 정답을 구함
5. 평가기준 : 정답을 얼마나 잘 맞췄는지 확인하는 정확도, 정답과 얼마나 차이가 있는지 확인하는 오차율

 

 

 

 

 

 

본 후기는 정보통신산업진흥원(NIPA)에서 주관하는 <AI 서비스완성! AI+웹개발 취업캠프 - 프론트엔드&백엔드> 과정 학습/프로젝트/과제 기록으로 작성되었습니다.