페리

1. AI 최적화란?손실함수를 최소화하도록 모델의 파라미터를 조정하는 과정2. 손실함수 (Loss Function)AI 모델의 예측값과 실제 정답의 차이를 측정하여 모델의 성능을 평가하고 최소화하는 지표→ 선형대수 2에서 수학적 개념과 함께 자세히 작성해 놓음{1}. ML에서의 역할모델이 예측하면얼마나 틀렸는지 숫자로 측정이 숫자를 줄이는 방향으로 학습 진행 예) :3. 경사하강법 (Gradient Descent)→ 수학 쪽에서 자세히 다뤄질 예정으로 ML에서 어떻게 사용하는지만 간단하게 정리할 거임AI 모델의 예측값과 실제값의 손실을 최소화하기 위해손실 함수의 기울기 반대 방향으로 모델의 파라미터를 조금씩 반복적으로 조정해서최적의 해를 찾는 알고리즘4. 학습률 (Learning Rage)머신러닝에서 모..

[1]. Decision Tree (의사 결정 트리){1}. 개념질문을 반복해서 데이터를 분류하는 알고리즘 예) :시험 점수 + 출석률로 합격/불합격 분류점수 >= 60? → 질문 1├── No → 불합격└── Yes → 출석률 ≥ 80%? → 질문 2 ├── No → 불합격 └── Yes → 합격질문 1에서 점수로 1차 분류를 하고,질문 2에서 출석률로 2차 분류를 했다. 이렇게 질문을 반복할수록 더 정교하게 데이터를 분류할 수 있게 된다. {2}. 구조1. 루트 노드→ 첫 번째 질문2. 브랜치→ 질문의 결과 (Yes / No)...3. 리프 노드4. 최종 분류 결과 {3}. 질문의 기준어떤 질문이 데이터를 가장 잘 나누는가? ..

머신러닝 모델은 종류마다 데이터를 학습하는 방식이 다르다. 어떤 모델이 어떤 방식으로 동작하는지 이해해야, 문제에 맞는 모델을 선택하고 결과를 올바르게 해석할 수 있다.[1]. 회귀 모델{1}. Linear Regression (선형 회귀)데이터를 가장 잘 설명하는 회귀선(직선)을 찾아 미래 값을 예측하는 알고리즘 - 학습 단계데이터 쌍(x, y) → 가장 잘 맞는 직선(w, b) 찾기- 예측 단계새로운 x → 직선 공식(y = wx + b)에 대입 → y 예측 (1). 수식y = wx + b (직선 공식)기호이름역할x입력값주어진 데이터w가중치(weight)직선의 기울기b편향직선의 절편y예측값모델의 출력이 중 w와 b는 직선의 모양을 결정하는 값으로, 각각 기울기와 절편을 의미한다. - 기울기직선이 얼..

- 사람이 명확하게 구분할 수 없는 지식을 구현해야 하거나- 사람이 일일히 구현하기에는 너무 많은 양의 규칙들이 필요한 경우=> 위 두 개의 문제를 해결할 수 있는 것이 머신러닝이다. 즉, 인간처럼 학습시켜서 컴퓨터가 규칙을 생성할 수 있지 않을까 해서 시도한 방법 [1]. 머신러닝? 인공지능이랑 뭐가 다름?{1}. 인공지능기계를 인간 행동의 지식에서와 같이 행동하게 만드는 것=> 1956년 다트머스 회의에서 존 매카시가 처음으로 발표함{2}. 그럼 뭐가 더 큰가?인공지능이 가장 큰 개념인공지능을 구현하는 방법 중 하나가 머신러닝머신러닝에는 여러 알고리즘이 있다. 그 중 하나가 인공신경망이고, 인공신경망 중에서 층을 깊게 쌓은 것이 딥러닝이다. 구조를 그리면 아래와 같다.AI └── Machine Le..