Do it! 첫 인공지능 / 03단원 알고리즘이 궁금해

1. 책 DB를 넣어주세요.

 

2. 나의 스터디 흔적을 사진으로 보여주세요.

​

3. 이번 스터디에서 특별히 좋았던 점이나 어려웠던 점이 있었나요? 새로 알게된 부분이 있다면 알려주세요.

​

알고리즘 : 문제를 해결하는 절차

프로그램 : 컴퓨터 언어로 알고리즘을 구현한 것

​

​

프로그래밍 : 컴퓨터에 '데이터'와 '알고리즘'을 입력해 원하는 '결과'를 출력하는 것

ex) 재료와 조리법을 가지고 음식을 만든다.

​

머신러닝 : 컴퓨터에 '데이터'와 원하는 '결과'를 입력해 문제를 해결할 최적의 '알고리즘'을 찾아내는 것

ex) 맛있는 음식을 만들 때까지 조리법을 조금씩 바꿔가며 시도함으로써 최적의 조리법을 찾는다.

​

머신러닝 과정

1단계) 문제 정의

2단계) 데이터 수집

3단계) 데이터 전처리

4단계) 모델 학습 방법 선택 및 학습

5단계) 모델 평가 및 재학습

6단계) 머신러닝 모델 제작 및 배포

​

비지도 학습

: 정답을 모른 채 데이터에서 특성을 뽑아내고 특성이 비슷한 것끼리 나누는 방식

- 알고리즘 : 선형 회귀(linear regression), 최근접 이웃(k-NN), 나이브 베이즈(naive Bayes), 의사결정나무(decision tree), 서포트 벡터 머신(SVM), 신경망(nseural network)

​

지도 학습 ★

: 정답을 아는 상태에서 학습하는 방식. 분류와 회귀가 있음

- 분류 : 구분할 명확한 기준이 있어서 레이블을 붙일 수 있을 때 사용

- 회귀 : 결과로 연속형 수치가 나올 수 있을 때 사용

- 알고리즘 : k-평균(k-means), 계층적 군집 분석(HCA), 주성분 분석(PCA), 어프라이어리(apriori), 생성적 적대 신경망(GAN)

​

* 레이블(label) : 대상을 분류하는 태그 역할. 정답, 타깃, 클래스, 라벨은 모두 같은 표현

- 이진 분류 : 2가지의 레이블로 분류하는 것

- 다중 분류 : 3가지 이상의 레이블로 분류하는 것

​

강화 학습

: 보상을 주어 자연스럽게 학습하는 방식

- 에이전트 : 행동을 수행하는 주체

- 예시 : 자율주행차, 알파고 등

​

​

딥러닝 : 인공 신경망 구조로 학습하는 방법

인공 신경망 : 뉴런의 연결 구조를 컴퓨터로 구현한 것

​

퍼셉트론 : 여러 개의 입력을 받아 하나의 결과로 출력하는 하나의 단위

단층 퍼셉트론​ : 입력층이 1개, 출력층이 1개인 퍼셉트론

다층 퍼셉트론 : 여러 퍼셉트론을 연결해 입력층, 은닉층, 출력층으로 만든 퍼셉트론. 신경망을 3층 이상으로 쌓은 것

​

입력층 : 데이터를 입력받는 곳

은닉층 : 데이터가 통과하는 곳

출력층 : 결과를 출력하는 곳

​

심층 신경망(DNN) : 여러 층이 깊게 쌓여있다는 의미의 인공 신경망

* 은닉층이 2개 이상인 심층 신경망을 학습시키는 것이 딥러닝

​

​

머신러닝 학습시킬 때 중요 개념 3가지

1) 가중치

2) 편향

3) 활성화 함수

​

​

4. 열심히 실습한 코드를 저장해 첨부해 주시거나 자랑할만한 스크린샷이 있다면 올려주세요.

이론 위주의 챕터로, 작성한 코드가 없습니다.

​