총 89개
-
PCA & SVD2025.01.131. PCA (주성분 분석) PCA는 데이터의 분산(variance)을 최대한 보존하면서 서로 직교하는 새 기저(축)를 찾아, 고 차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 기법입니다. 데이터의 분산을 최대로하는 새로운 기저를 찾기 위해서는 데이터 행렬 A의 공분산 행렬을 구해야 합니다. 공분산 행렬의 고유분해(Eigendecomposition)를 통해 가장 큰 고유값 몇 개를 고르고, 그에 해당하는 고유벡터를 새로운 기저로 하여 데이터 벡터들을 정사영시키면 PCA 작업이 완료됩니다. 2. SVD (특이값 분...2025.01.13
-
인공지능과 기계학습 기말정리2025.01.131. 신경망의 오차 출력계층의 오차와 은닉계층의 오차를 구하는 방법에 대해 설명합니다. 출력계층의 오차는 목표값과 출력값의 차이이지만, 은닉계층에는 목표값이 존재하지 않기 때문에 출력계층의 오차를 재조합하여 은닉계층의 오차를 구합니다. 이러한 방식을 역전파라고 합니다. 2. 경사하강법 오차함수의 기울기에 따라 가중치를 조정하는 경사하강법에 대해 설명합니다. 오차함수로는 제곱오차 방식을 사용하며, 기울기의 부호에 따라 가중치를 반대 방향으로 조정합니다. 오버슈팅을 방지하기 위해 기울기가 완만해질수록 조금씩만 움직이도록 합니다. 3. ...2025.01.13
-
정보통신망4A 기계학습 Machine Learning에 관하여 조사하여 설명하고 기계학습을 위해 활용될 수 있는 정보통신 기술에 관하여 서술하시오2025.01.251. 기계학습 정의 및 필요성 기계 학습은 컴퓨터 시스템이 데이터를 분석하고 패턴을 학습하여 작업을 수행할 수 있는 능력을 갖추는 것을 의미한다. 기계 학습은 데이터 마이닝이나 기타 학습 알고리즘을 사용하여 지식을 추출하고 이를 경험기반으로 삼아 비슷한 상황의 미래 사건의 결과를 예측하는 컴퓨터 프로그램이다. 기계 학습은 대량의 데이터 처리, 복잡한 패턴 인식, 자동화된 결정, 개인화된 경험 제공, 의사 결정 지원, 지능적인 시스템 구축 등의 이유로 매우 중요하다. 2. 기계학습 장점과 문제점 기계 학습의 장점으로는 패턴 인식 및 ...2025.01.25
-
Kernel PCA & Spectral Clustering2025.01.131. Kernel PCA Kernel PCA는 편향이 큰 실세계의 데이터를 분석하는데 어려움이 있고, outlier data에 매우 민감한 linear PCA의 단점을 보완하기 위해 kernel trick을 수행한다. 하지만 분산이 가장 큰 축으로 데이터들을 정사영 시킬 뿐, clustering algorithm을 적용하지는 않는다. 2. Spectral Clustering Spectral Clustering은 군집화를 더 쉽게 하기 위해서 유사도 행렬 A를 통해 데이터들을 변형된 공간에 넣고, 후에 clustering algori...2025.01.13
-
인공지능을 활용한 금융사기 예방 솔루션2025.01.041. 인공지능을 활용한 금융사기 예방 금융사기는 현대 사회에서 심각한 경제 범죄이며, 특히 보이스피싱이 기승을 부리고 있습니다. 보이스피싱 피해금의 환급률이 낮고 피해 회복이 어려워 예방이 중요합니다. 인공지능 기반의 솔루션을 개발하면 금융거래 데이터를 실시간으로 분석하여 이상 거래를 탐지하고 사전에 예방할 수 있습니다. 인공지능은 기계학습을 통해 정확도를 높이며, 실시간 경고와 대응으로 금융사기 피해를 막을 수 있습니다. 이를 통해 금융기관의 고객 신뢰도 향상에도 기여할 수 있습니다. 1. 인공지능을 활용한 금융사기 예방 인공지능...2025.01.04
-
2024년 김영평생육원 경영정보시스템 전체 1등 A+의 만점 받은 과제 _인공지능의 개념과 기술, 활용사례에 대해 조사하시오2025.01.211. 인공지능의 개념 인공지능은 '지능을 기계로 구현한 것'이다. 지능은 문제를 해결할 수 있는 능력으로 정의될 수 있다. 따라서 인공지능은 문제를 해결하기 위해서 스스로 작업을 진행할 수 있는 능력으로 정의할 수 있다. 학계에서 바라보는 인공지능의 진화 단계는 크게 ANI, AGI, ASI 세 가지로 나누어 설명할 수 있다. 2. 인공지능 기술: 기계학습과 딥러닝 인공지능은 컴퓨터에게 데이터를 학습시켜 마치 사람처럼 스스로 의사결정을 할 수 있게 한다. 기계학습은 사람이 특성인자를 선정하는 것이 중요하지만, 딥러닝은 데이터에서 모...2025.01.21
-
퍼셉트론의 한계에 대한 논의2025.05.081. 퍼셉트론의 한계 퍼셉트론은 데이터에서 학습하고 정보를 분류하는 능력으로 주목받는 인공신경망이지만, 실제 적용을 제한하는 특정 한계가 있다. 주요 한계로는 선형적으로 분리 가능한 문제로 제한, 느린 수렴 속도, 초기 가중치에 민감, 이진 분류로 제한 등이 있다. 이러한 한계를 극복하기 위해 비선형 문제와 다중 클래스 분류를 처리할 수 있는 다층 퍼셉트론과 같은 보다 복잡한 신경망이 개발되었다. 1. 퍼셉트론의 한계 퍼셉트론은 선형 분리 가능한 문제만 해결할 수 있다는 한계가 있습니다. 이는 퍼셉트론이 입력 데이터를 단순히 선형 ...2025.05.08
-
Generative AI를 사용하는 방식 - Fine Tunning 및 Prompt Engineering2025.01.141. 생성형 AI의 기본 개념 생성형 AI는 기계 학습의 발전을 통해 새로운 정보와 아이디어를 창조해내는 인공지능의 형태를 말합니다. 이는 단순히 데이터를 처리하고 분석하는 것을 넘어, 다양한 패턴과 연관성을 학습하여 새롭고 창의적인 결과물을 만들어냅니다. 생성형 AI는 예술, 디자인, 문학 등 다양한 창조적 분야에서 새로운 가능성을 열어주고 있습니다. 2. 생성형 AI의 주요 용도 생성형 AI는 예술과 엔터테인먼트 산업에서 두각을 나타내며, 새로운 창작의 지평을 열고 있습니다. 예술 분야에서는 독창적인 음악이나 미술 작품을 만들어...2025.01.14
-
경영정보시스템_인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오.2025.01.291. 인공지능의 개념 인공지능은 인간의 지능을 모방하거나 이를 초월하는 컴퓨터 시스템을 개발하는 학문이다. 인공지능의 개념은 크게 약한 인공지능과 강한 인공지능으로 구분된다. 약한 인공지능은 특정한 작업을 수행하도록 설계된 시스템이며, 강한 인공지능은 인간과 유사한 수준의 지능을 가지고 자율적으로 문제를 해결하고 학습할 수 있는 능력을 지닌 시스템을 의미한다. 2. 인공지능 기술: 기계학습과 딥러닝 인공지능의 핵심 기술로는 기계학습과 딥러닝 알고리즘이 있다. 기계학습은 데이터를 기반으로 모델을 학습시키고, 이를 통해 새로운 데이터에...2025.01.29
-
인공지능의 개념 및 원리를 제시하고, 일상생활과 교육분야에서 인공지능 활용사례에 대해 기술하시오2025.01.251. 인공지능의 개념 인공지능은 컴퓨터나 기계가 인간의 학습, 추론, 문제 해결 등의 지적 업무를 수행하는 데 사용되는 기술이다. 이는 기계가 인간의 지능을 모방하고 흉내내어 인간과 유사하게 학습하고 작업을 수행할 수 있는 능력을 의미한다. 인공지능의 개념은 기술적 발전과 함께 지속적으로 발전해왔으며, 최근에는 기계학습과 딥러닝과 같은 새로운 접근 방식이 등장하여 인공지능의 개념과 의미가 점차 확장되고 있다. 2. 인공지능의 원리 인공지능의 원리는 주로 기계학습과 딥러닝이라는 두 가지 주요 개념에 근간을 두고 있다. 기계학습은 컴퓨...2025.01.25
1 / 9
