😎 공부하는 징징알파카는 처음이지?

220201 작성 https://doooob.tistory.com/191 [딥러닝 입문 - 3] 미분의 기초 (2/3) 3.2. 두 점 사이를 잇는 직선의 기울기 접선의 기울기와 미분의 관계를 알아보기 위해 먼저 2점을 지나는 직선의 기울기를 구하는 문제를 봅시다. 직선의 기울기는 'y(세로)의 증가량 / x(가로)의 doooob.tistory.com 1. 두 점 사이를 잇는 직선의 기울기 : 직선의 기울기는 'y(세로)의 증가량 / x(가로)의 증가량'으로 계산 2. 접선의 기울기 : 극한에서는 변수가 어떤 값에 한없이 가까워질 때, 그 변수에 의해 기술되는 함수가 어떤 값에 가까워지는지 고려 : 함수 f에 대하여, h라는 변수를 a에 한없이 가깝게 접근시켰을 때 f(h)가 가까워지는 값을 lim 라는..

220201 작성 https://doooob.tistory.com/190 [딥러닝 입문 - 3] 미분의 기초 (1/3) 미분의 기초 3.1 미분과 함수 최소화의 관계 앞장에서 미분이 목적 함수의 최소화에 도움이 된다고 소개했습니다. 이번 장에서는 먼저 구체적인 예를 통하여 그것을 직관적으로 이해해 봅시다. doooob.tistory.com 미분의 기초 1. 미분과 함수 최소화 : 미분이 목적 함수의 최소화에 도움이 됨 2. 골짜기 함수 1) 기울기 양수 : θ1에서 이 함수의 그래프에 접하는 직선(접선) 은 오른쪽으로 갈수록 기울기 증가, 왼쪽으로 갈수록 기울기 감소 2) 기울기 음수 : θ2에서 이 함수의 그래프에 접하는 직선(접선) 은 오른쪽으로 갈수록 기울기 감소, 왼쪽으로 갈수록 기울기 증가 3)..

220201 작성 https://doooob.tistory.com/22?category=825950 [알기쉬운 AI - 11] 그룹에서 당신은 어떤 타입? '클러스터링'이란? 학창 시절 고등학교나 대학에 진학해서 친구를 잘 사귈 수 있을지 불안했던 분들이 많을 것입니다. 전혀 말해본 적 없는 사람들과 같은 커뮤니티에 속하여 교우관계를 처음부터 만들지 않으면 doooob.tistory.com 1. 비지도 분류 - 클러스터링 : 정의된 카테고리 정보가 제공되지 않은 데이터 학습 - 클러스터링 : 대량으로 모여있지만, 상세한 분류가 되어있지 않은 데이터를 그 특징으로 잘 분류해내는 방법 ex) k-means, k-means++ 2. k-means : 비슷한 것들은 같은 그룹에 속할 것이다!! : 구매 빈도가 ..

220201 작성 https://doooob.tistory.com/12?category=825950 [알기쉬운 AI - 10] AI의 발전적 기능: 자연어 처리와 강화학습, 이미지인식, 음성인식 앞에서는 머신러닝의 기본원리를 알아봤습니다. 자동차에 비유하면 모터의 원리와 자동차가 움직이는 구조에 해당하는 부분입니다. 그럼 자동차를 사용하여 어떤 일들을 할 수 있을까요? 예 doooob.tistory.com 1. 이미지 분석 : AI 가 이미지의 특징을 계산하여 분류 및 예측을 실시 : 이미지와 동영상에서 특징을 잡아 물체를 식별 : 많은 이미지 데이터에서 대상물의 특징을 학습시킴으로써 어느 이미지를 주어졌을 때 그 물체가 무엇인지 "확률"상 인식이 가능해짐 - 이미지를 다룬다 : 진짜와 구별이 어려운 가..

220201 작성 https://doooob.tistory.com/11 [알기쉬운 AI - 09] 지도 학습과 비지도 학습이란? 독자 여러분 중에는 지혜로운 선생님께 배우고 싶은 분들도 있고, 독학이 좋은 분들도 계실 겁니다. 머신러닝에도 교사가 있는 경우와 그렇지 않은 경우가 있습니다. 각각 지도 학습과 비지도 doooob.tistory.com 1. 지도 학습 : 올바른 라벨을 미리 알려주는 알고리즘 EX) 분류, 회귀 2. 비지도 학습 : 라벨 데이터가 없음 : 올바른 라벨을 예측할 수 없지만, 동일한 특성을 가진 데이터를 구별 EX) 클러스터링 ( 같은 그룹에 속하는 데이터는 라벨이 같다 -> 데이터를 분류함 ) 3. 반지도 학습 : 사용하는 데이터 중 일부만 '라벨'이 붙어 있는 경우에 사용 4...

220131 작성 https://jonhyuk0922.tistory.com/114 [Librosa] 음성인식 기초 및 음악분류 & 추천 알고리즘 안녕하세요~ 27년차 진로탐색꾼 조녁입니다!! 오늘은 음성파일을 인식하고 거기서 특징추출하는 기초적인 내용부터 추출한 특징들을 통해 노래의 장르를 분류하는 모델과 비슷한 장르의 노래를 jonhyuk0922.tistory.com https://newsight.tistory.com/294 음성인식 기초 이해하기 # 발음기호와 문자표현 - phoneme: 음소, 가장 작은 소리의 단위. 쉽게 말해 영어사전의 발음기호를 생각하면 된다. - grapheme: 자소(=문자소), 가장 작은 문자의 단위. 발음기호로 표현되기 이전의 원 newsight.tistory.com h..

220129 작성 http://taewan.kim/post/cnn/ CNN, Convolutional Neural Network 요약 Convolutional Neural Network, CNN을 정리합니다. taewan.kim 1. CNN, Covolutional Neural Network - 기존 : Fully Connected layer 의 인공신경망 입력 데이터는 1차원 : 한장의 컬러 사진은 3차원 : 배치 모드의 여러 사진은 4차원 => 3차원 데이터를 1차원으로 평면화 => 공간 정보 손실 => 이미지 공간 정보 유실로 인한 정보 부족으로 특징 추출 학습 비효율적, 정확도 한계 - CNN : 이미지의 공간 정보를 유지한 상태로 학습이 가능 : 딥러닝 모델 스스로 필터 값을 학습하게끔 함 각 ..

220128 작성 https://www.deepnoid.com/ 인공지능 | Deepnoid DEEPNOID는 인공지능을 통한 인류의 건강과 삶의 질 향상을 기업이념으로 하고 있습니다. 딥노이드가 꿈꾸는 세상은, 의료 인공지능이 지금보다 훨씬 넓은 범위의 질환의 연구, 진단, 치료에 도움 www.deepnoid.com 1. Deep Convolutional GAN : 네트워크 구조가 fully-connected 되어 있지 않고, convolution & de-convolution 활용하여 레이어 구성 : 상대적으로 안정적인 학습 : convolution 의 반대과정으로, activation map 의 크기를 키울 수 있어서 이미지 생성에 특화 2. Progressive GAN : 학습 안정성 : 1024..