총 69개
-
규칙기반인공지능, 머신러닝, 딥러닝의 정의와 장단점2025.01.211. 규칙기반 인공지능 규칙기반 인공지능은 인간의 지능을 기계에 부여하고자 하는 시도로, 계산 과정을 정의하는 기호와 기호 간 연산 규칙을 정의하는 초기 인공지능 기술입니다. 이는 자연어 처리, 수학적 정리 증명, 문제 해결, 전문가 시스템, 의사결정, 게임 등의 분야에서 성과를 보였지만, 학습 능력 부족과 패턴 인식 한계로 인해 1980년대부터 쇠퇴하게 되었습니다. 2. 머신러닝 머신러닝은 데이터를 학습하여 프로그램 스스로 결과를 얻도록 하는 인공지능 기술입니다. 특성 추출과 모델 학습을 통해 자율주행, 문자 인식, 개인비서, 의...2025.01.21
-
경영정보시스템 리포트 (머신러닝, 딥러닝의 개요 및 활용)2025.01.221. 약한 인공지능과 강한 인공지능 오늘날의 과학계는 인공지능의 기준을 강한 인공지능과 약한 인공지능으로 나눈다. 강한 인공지능은 인간의 지능을 가진 컴퓨터로 스스로 일을 할 수 있고 지시를 거부할 수도 있다. 반면 약한 인공지능은 특정 영역의 문제를 해결하는 기술을 가진 인공지능으로 자아가 없기 때문에 한정적으로만 사람의 인지적 능력을 활용할 수 있다. 2. 기계 학습의 개념과 특징 기계 학습은 컴퓨터가 스스로 패턴에 따라 움직일 수 있도록 하는 기술이다. 데이터 과학자가 수많은 경우의 수 데이터를 입력하고 패턴을 식별시켜 인공지...2025.01.22
-
[A+] 데이터 과학, 데이터 애널리틱스, 데이터 분석, 인공지능, 머신러닝, 딥러닝 단어 설명 (무역학과 글로벌비즈니스애널리틱스)2025.01.241. 데이터 과학 데이터 과학은 방대한 데이터를 수집, 처리, 분석하여 의미 있는 정보를 추출하는 과정을 연구하는 학문입니다. 데이터 과학은 다양한 통계적 기법과 머신러닝 알고리즘을 사용하여 데이터를 기반으로 유의미한 통찰을 도출하고, 이를 통해 비즈니스 문제를 해결합니다. 데이터 과학은 데이터 엔지니어링, 데이터 분석, 모델링, 시각화, 그리고 결과 해석의 과정을 포함하여 기업이 데이터를 통해 실질적인 가치를 얻을 수 있도록 돕습니다. 2. 데이터 애널리틱스 데이터 애널리틱스는 데이터를 기반으로 특정 문제를 분석하고, 그에 대한 ...2025.01.24
-
방송통신대학교 프라임칼리지 AI전공 인공지능 2차 과제(만점 취득)2025.01.241. 텐서플로(TensorFlow) 텐서플로(TensorFlow)는 구글(Google)에서 만든 딥러닝 프로그램을 쉽게 구현할 수 있도록 다양한 기능을 제공해주는 라이브러리입니다. 텐서플로 자체는 기본적으로 C++로 구현되어 있지만, Python, Java, Go 등 다양한 언어를 지원하며, 파이썬을 최우선으로 지원하고 있습니다. 또한 브라우저에서 실행 가능한 시각화 도구인 텐서보드(TensorBoard)를 제공하여 딥러닝 학습 과정을 추적하는데 유용하게 사용됩니다. 텐서플로에서 Tensor(텐서)란 딥러닝에서 데이터를 표현하는 방...2025.01.24
-
방통대 [딥러닝의통계적이해] 2024 출석과제물 (30점 만점 인증 / 표지제외 18페이지 분량 / 코드 및 해설 포함)2025.01.251. Teachable Machine을 이용한 이미지 분류 Teachable Machine에 판다 이미지 54개와 레서판다 이미지 21개를 각 클래스로 나누어 입력하고 학습시켰다. 학습 시도 횟수인 에포크는 50으로 설정되었으며, 배치 크기는 16으로 설정되었다. 학습률은 0.001로 설정되어 있으며, 학습이 완료된 모델에 테스트 이미지를 입력한 결과 판다와 레서판다의 사진 또는 그림에 대해 대부분 100%로 판단하고 정답을 맞추는 것을 확인할 수 있었다. 레서판다 이미지 샘플 수 부족을 보완하기 위해 학습률을 0.00057로 낮추...2025.01.25
-
비즈니스 애널리틱스란 무엇인지 설명2025.01.261. 비즈니스 애널리틱스 비즈니스 애널리틱스는 데이터를 기반으로 혁신을 추구하는 기업들의 성공 사례를 보여준다. 아마존과 넷플릭스는 고객 데이터를 분석하여 개인화된 추천 서비스를 제공하고, 새로운 콘텐츠 개발에 활용하는 등 비즈니스 애널리틱스를 효과적으로 활용하고 있다. 비즈니스 애널리틱스를 도입하기 위해서는 구체적인 목표 설정, 최신 기술 도입, 지속적인 데이터 분석 및 성과 평가가 필요하다. 2. 데이터 과학 데이터 과학은 데이터를 바탕으로 새로운 인사이트를 발견하는 융합적인 학문이다. 데이터 과학자는 컴퓨터 공학, 통계학, 수...2025.01.26
-
[글로벌 비즈니스 애널리틱스] 비즈니스 애널리틱스의 역사와 정의, 관련 용어 설명2025.01.261. 비즈니스 애널리틱스의 역사 비즈니스 애널리틱스는 20세기 후반부터 본격적으로 발전하기 시작했다. 1960년대와 70년대에는 데이터 처리 기술의 발전이 주로 통계적 분석과 의사결정 지원 시스템(DSS)에 중점을 두고 있었다. 1990년대에는 데이터베이스 관리 시스템(DBMS)과 데이터 마이닝 기법이 등장하면서 보다 복잡한 데이터 분석이 가능해졌다. 2000년대 들어서는 빅데이터와 클라우드 컴퓨팅의 등장으로 인해 데이터 수집과 저장, 분석이 용이해지면서 비즈니스 애널리틱스가 더욱 발전하였다. 2. 비즈니스 애널리틱스의 정의 비즈니...2025.01.26
-
LLM(Large Language Model)과 LMM(Large Multimodal Model)의 비교 및 딥러닝과의 관계2025.01.261. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 사람처럼 언어를 이해하고 생성할 수 있는 능력을 갖춘 모델입니다. 이는 자연어 처리(NLP) 기술의 발전을 기반으로 하며, 딥러닝 기술을 활용해 언어의 문법적 구조와 단어 간 의미적 관계를 학습합니다. LLM은 챗봇, 자동 번역, 텍스트 요약 등 다양한 분야에서 활용되고 있습니다. 2. LMM(Large Multimodal Model) LMM은 텍스트뿐만 아니라 이미지, 소리, 동영상 등 다양한 데이터를 통합적으로 처리할 수 있는 인공지능 ...2025.01.26
-
미래사회와 소프트웨어 과제 012025.01.291. GPU(Graphic Processing Unit) GPU는 컴퓨터에 들어있는 부품 중 하나로, 주로 그래픽 렌더링 작업을 수행하는 데 사용되지만 최근에는 과학 계산, 인공지능, 데이터 분석 등 다양한 용도로 활용되고 있다. GPU는 CPU와 달리 많은 연산을 병렬적으로 처리할 수 있는 강점이 있어 그래픽 및 영상처리, 인공지능, 머신러닝, 데이터 분석, 과학적 시뮬레이션 등의 작업에 유용하게 사용된다. 또한 GPU는 암호화폐 채굴 과정에서 중요한 역할을 하며, 머신러닝과 딥러닝에도 활용된다. 2. CPU와 GPU의 차이 CP...2025.01.29
7 / 7
