총 137개
-
확률과 통계 탐구 보고서(일상생활에서 통계를 활용할 수 있는 방법)2025.01.151. 확률 동일한 원인 하에서 어떤 특정한 사건이 발생할 수 있는 가능성을 수로 나타낸 것이다. 2. 통계 다양하게 수집한 데이터를 바탕으로 이를 분석하여 수치로 나타내는 것이다. 3. 인공지능(AI) 머신러닝이나 딥러닝과 같이 인간의 학습, 추론, 자연언어 이해 역량을 컴퓨터 알고리즘으로 실현한 기술을 의미한다. 4. 머신러닝(Machine Learning) 인간의 지능을 모사한 데이터 학습을 통해서 데이터에 내재하는 패턴이나 규칙을 찾아내는 역할을 하는 AI의 핵심 알고리즘이다. 5. 딥러닝(Deep Learning) 대규모 비...2025.01.15
-
미래 기술이 가져올 삶의 변화2025.01.251. 사물인터넷(IoT) 사물인터넷은 일상생활에서 편리함을 제공합니다. 불이 자동으로 켜지고, 좋아하는 음악이 재생되며, 커피가 자동으로 추출되는 등 IoT 기술을 통해 일상 생활이 간편해질 수 있습니다. 하지만 이러한 편리함으로 인해 집안일에 대한 보람이 줄어들 수 있다는 우려도 있습니다. 2. 스마트 자동차 스마트 자동차는 자율주행 기능으로 인해 운전자가 직접 운전할 필요가 없어졌습니다. 이를 통해 교통사고 위험이 줄어들고 운전 시간이 단축되었습니다. 또한 자동차가 땅, 물, 공중에서 모두 운전이 가능해져 교통체증이 해소되었습니...2025.01.25
-
인공지능 ) 1. 역전파와 순전파에 대해서 설명 2. 손실함수는 어떤 특성을 갖는가 3. 옵티마이저가 무엇인지 설명 4. 위의 4가지의 연관관계를 5줄 이내로 설명2025.01.191. 역전파와 순전파 역전파와 순전파는 딥러닝, 머신러닝 등에서 학습하는 방법을 의미한다. 인공지능 모델은 필연적으로 학습을 진행하게 되는데, 이때 학습의 방향이 앞에서 뒤로 순차적으로 진행되는 학습을 순전파, 뒤에서 앞으로 학습이 진행되는 것을 역전파라고 한다. 2. 손실함수의 특성 손실함수는 학습을 위한 알고리즘이 실제와 얼마나 차이가 나는지, 오류를 판단하기 위한 함수로써 여겨진다. 학습을 기반으로 나온 데이터와 실제데이터 간의 오차를 직접적으로 계산하여 인공지능 모델의 최적화를 위한 가장 중요한 지표로써 간주한다. 3. 옵티...2025.01.19
-
[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
-
딥러닝을 이용한 COVID-19 흉부 X선 영상 자동 탐지2025.01.031. COVID-19 진단 이 연구에서는 COVID-19 환자를 식별하기 위해 흉부 X선 영상을 사용했습니다. DenseNet169 심층 신경망을 사용하여 이미지 특징을 추출하고 XGBoost 알고리즘을 통해 분류를 수행했습니다. 제안된 방법은 기존 방법보다 더 정확하고 빠르며 허용 가능한 성능을 보였습니다. 이는 의료 영상 분석과 방사선학 분야에서 딥러닝의 발전을 보여줍니다. 2. XGBoost 알고리즘 XGBoost는 2016년 Chen & Guestrin이 제안한 트리 부스팅 기반의 효율적이고 확장 가능한 알고리즘입니다. 여러...2025.01.03
-
텐서플로우 딥러닝 (CNN)2025.05.051. 데이터 세트 학습 데이터에 사용할 영상은 Google에서 이미지 검색으로 꽃을 검색하고, FatKun이라는 크롬 확장 프로그램을 사용하여 영상을 다운로드 받았다. 테스트 데이터에 사용할 영상은 꽃을 직접 구입하여 촬영한 영상 데이터를 사용했다. 학습 데이터는 총 234개, 테스트 데이터는 총 150개이며, 검증 데이터는 훈련데이터의 20%를 사용하여 총 57개이다. 2. 합성곱 신경망 (CNN) 기본적으로 이미지 분류를 하기 위해서는 합성 곱 신경망(CNN)이 필요하다. 2차원 CNN의 특징 추출 부분은 MaxPool2D층과 ...2025.05.05
-
소프트웨어개발실무 ) 논문 내용 정리 - Going deeper with convolution2025.04.281. GoogLeNet GoogLeNet은 22개의 계층으로 이루어진 깊은 네트워크로, 분류와 검출 부문에 출하되었다. GoogLeNet의 매개변수는 최고의 정확도를 보이며, 2년 전 ILSVRC 14 대회에서 우승한 Krizhevsky의 아키텍처보다 12배나 적게 매개변수를 이용하였지만, 훨씬 향상된 정확도를 보인다. GoogLeNet은 효율을 극대화한 DNN 아키텍처로, 인셉션이라는 코드 이름의 컴퓨터 비전을 위한 것이다. 인셉션 모듈의 형식을 취하며 새로운 조직 level을 소개하고, 네트워크의 깊어진 깊이를 제시한다. 2. ...2025.04.28
-
인공지능 특징 및 관련 산업군 정리2025.05.011. 인공지능의 역사 인공지능은 1956년 미국 다트머스 컨퍼런스에서 처음 등장했으며, 이후 논리학, 심볼릭 AI, 전문가 시스템, 기계 학습 등 다양한 분야에서 발전해왔습니다. 1980년대 중반에는 전문가 시스템과 인공신경망 분야에서 발전이 있었고, 1990년대에는 기계 학습 기술이 대중화되면서 인공지능 연구에 다시 활기가 돌아왔습니다. 2000년대에는 대량의 데이터 처리와 딥러닝 기술의 발전으로 인공지능 기술이 급속히 발전하고 있으며, 현재 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에서 활용되고 있습니다. 2. 인공...2025.05.01
-
인공신경망의 작동 원리 및 파이썬을 이용한 신경망의 손글씨 데이터 인식2025.01.141. 인공신경망의 작동 원리 인공신경망은 뇌 속 뉴런의 작동 원리를 컴퓨터로 구현한 정보 처리 시스템이다. 인공신경망은 입력층, 은닉층, 출력층으로 구성되며 입력값과 가중치의 곱을 활성화함수에 넣어 출력값을 생성한다. 행렬곱을 이용하여 가중치 계산을 수행하며, 오차 역전파를 통해 가중치를 업데이트하여 학습을 진행한다. 학습률은 신경망 학습 속도에 중요한 영향을 미친다. 2. 파이썬을 이용한 신경망의 손글씨 데이터 인식 MNIST 데이터베이스의 숫자 손글씨 데이터를 이용하여 3계층 신경망 모델을 구현하였다. 초기화, 학습, 질의의 3...2025.01.14
-
DQN과 A2C network를 활용한 CartPole 강화학습 훈련과정 및 code2025.01.131. CartPole environment OpenAI gym의 CartPole은 카트 위에 막대기가 고정되어 있고 막대기는 중력에 의해 바닥을 향해 자연적으로 기울게 되는 환경을 제공한다. CartPole의 목적은 카트를 좌, 우로 움직이며 막대기가 기울지 않고 서 있을 수 있도록 유지시켜 주는 것이 목적인데, 강화 학습 알고리즘을 이용하여 막대기를 세울 수 있는 방법을 소프트웨어 에이전트가 스스로 학습할 수 있도록 한다. 2. DQN algorithm Deep Q-Network는 state-action value Q값을 Deep...2025.01.13
1 / 14
