😎 공부하는 징징알파카는 처음이지?

220327 작성 https://doooob.tistory.com/65?category=825950 [알기쉬운 AI - 15] AI 관련 기술 전체상(Overview)과 하드웨어 먼저 AI를 지원하는 기술 기반은 어떻게 되어 있는지 큰 그림을 먼저 보겠습니다. 그림 1은 AI 관련 기술의 전체 상(Overview)입니다. 크게 4개의 층으로 구성되어 있습니다. (1) 하드웨어(칩과 서버) doooob.tistory.com 1. AI 가 쓰이는 기술 : 크게 4개의 층으로 구성 1) 하드웨어 (칩과 서버) : 최하층인 하드웨어 : 딥러닝 신경망 연산에 요구되는 고속 처리가 더 이상 CPU만으로는 대응할 수 없음 : GPU 나 FPGA 및 ASIC 등의 고속 칩 사용 : IoT 엔드 포인트(단말기)에서 대량..

220327 작성 https://doooob.tistory.com/25?category=825950 [알기쉬운 AI - 14] 흐름으로 중요성을 파악!? '의사결정트리'란? 여러분은 성격 진단을 해보신 적 있나요? 두 가지 선택지에 답변을 반복함으로 몇 가지 성격으로 분류되는 것을 경험해 보셨을 것입니다. 사실 데이터의 취급방법 중에서도 이렇게 조건을 반복 doooob.tistory.com * 의사결정 트리 : 조건을 반복하면서 데이터를 처리! 1. 회귀 트리! : 일단 회귀는 점의 집합으로부터 알맞은 선을 찾음 : 의사결정 트리는 조건문 이용해 선 그음 ( 계단 같은 선이 그려짐 ) : 선과 점 사이의 거리가 최대한 짧아지도록 조건 분기 횟수 바꾸기 : x 가 이 범위 안에 있으면 y 는 이 값이다 !..

220327 작성 https://doooob.tistory.com/24?category=825950 [알기쉬운 AI - 13] 향후 매출을 예측하고 싶다! '회귀분석'이란? 여러분은 점을 믿습니까? 점은 고대 그리스 시대부터 별빛에 미래를 투영하는 점성술로 시작하여 지금에 이르기까지 다양한 형태로 존재하고 있습니다. 사람이 왜 이토록 점에 매료되는가 하면 doooob.tistory.com 1. 회귀란? : 아직 보지 못한 상황을 예측하는 것 : 정확한 예측을 시도하는 것을 회귀분석 : 다른 두 요소 사이의 관계를 찾을 수 있고, 아직 보지 못한 미래를 맞출 수 있음 ex) 더우면 아이스크림 더 팔릴 것 같다! : 지금 가지고 있는 데이터에서 그럴듯한 "선"을 찾는 것을 회귀분석 2. 알맞은 선 긋기 : ..

220327 작성 https://doooob.tistory.com/23?category=825950 [알기쉬운 AI - 12] 특징으로 데이터 분류, '서포트벡터머신'이란? 이미 분류를 알고 있는 데이터를 그대로 다시 분류하는 AI는 의미가 없습니다. 그 데이터들로부터의 경험치로 "이런 데이터가 있으면 여기에 분류된다"라고 하는 것이 중요합니다. 이를 일반화 doooob.tistory.com 1. 서포트 벡터 머신 : 주어진 점들의 집합에 가장 그럴듯한 경계선을 긋는 것 : 아직 보지 못한 데이터가 어떤 그룹에 속하는지 예측 2. 여백은 크게! 마진은 최대화! 경계선과 데이터 점의 거리가 최대한 멀어지게 하자 : 데이터 오차에 강하다 : 아직 보지 못한 데이터에 대한 예측성능(일반화)가 커질 것 - 소프..

220302 작성 https://doooob.tistory.com/199 [딥러닝 입문 - 4] 선형 대수의 기초(3/9) 4.1.4 행렬 곱 행렬의 곱셈은 행렬 곱, 외적 ,요소적(아다마르 곱)등 여러 가지가 있습니다. 여기서는 그중에서 선형 대수와 기계 학습에 자주 등장하는 행렬 곱에 대해 설명합니다. 행렬 A와 doooob.tistory.com 1. 행렬 곱 : 행렬 곱, 외적 ,요소적 등 여러가지 있음 : 행렬 A와 행렬 B의 행렬 곱은 AB로 쓰고, A의 각 행과 B의 각 열의 내적을 나열한 것으로 정의 : 내적이 정의 되어야 되며, 벡터의 크기가 같아야 한다 : AB = C 행렬 곱을 정의하기 위해서는, A의 열수 M과 B의 행수 O가 일치해야 한다 ! ! ! : 두 벡터의 내적의 결과는 스칼..

220302 작성 https://doooob.tistory.com/197 [딥러닝 입문 - 4] 선형 대수의 기초(2/9) 5.1.1 변수의 형태와 서체의 관계 많은 교과서(특히 선형 대수학 교과서)에서는, 변수를 한번 보고 그 형태가 무엇인지 알 수 있도록 특정 모양(벡터, 행렬 등)의 변수는 특정 글꼴을 사용하도록 doooob.tistory.com 1. 변수의 형태와 서체 관계 - 가산, 감산 : 가산, 감산은 같은 크기의 벡터, 행렬, 텐서들 간에서만 성립 (같은 위치에 있는 요소끼리 연산) => 요소별 계산 - 스칼라 곱 : 벡터, 행렬, 텐서에 스칼라 곱하는 연산 : 벡터(행렬 / 텐서) 의 크기는 변화하지 않는다 2. 내적 : 같은 크기의 두 벡터를 내적하다 : 각 벡터와 같은 위치에 대응하는..

220302 작성 https://doooob.tistory.com/196 [딥러닝 입문 - 4] 선형 대수의 기초(1/9) 4. 선형 대수의 기초 기계 학습의 이론에는 선형 대수학에서 사용되는 개념이 많이 등장합니다. 이러한 개념을 이용함으로써 복수의 값이나 변수를 한꺼번에 처리할 수 ​​있도록 수식을 간결 doooob.tistory.com 1. 선형 대수의 기초 1) 스칼라, 벡터, 행렬, 텐서 - 스칼라 scalar : 하나의 값, 또는 변수 : 온도, 체중, 신장 등 단일 수량 : x∈R => R은 실수의 스칼라로 이루어진 집합을 나타내며 A∈B 는 A는 B에 속한다 - 벡더 vector : 스칼라를 한 방향으로 정렬한 것 : 벡터를 구성하는 스칼라들의 수를 요소나, 성분 : 열벡터란, 수직 방향으..

220302 작성 https://doooob.tistory.com/192 [딥러닝 입문 - 3] 미분의 기초 (3/3) 3.5 선형성 미분은 선형성이라는 성질을 가지고 있습니다. 구체적인 예를 들어 살펴봅시다. 처럼 상수를 미분 연산의 외측으로 꺼낼 수 있습니다. 또한, 처럼, 덧셈과 뺄셈은 각 항목마다 독립적 doooob.tistory.com 1. 선형성 : 미분은 선형성이라는 성질을 가지고 있다 - 각 항목마다 독립적인 미분 연산 가능 - 상수를 미분 연산의 외측으로 꺼낼 수 있음 => 두 가지 특성 합쳐 "선형성" 그외 공식 2. 합성 함수의 미분 : z=g(f(x)) 의 미분 : 딥러닝으로 말하자면 " 각 층을 하나의 함수로 간주하면 신경망은 많은 함수(층)을 합성한 합성 함수 ) : 연쇄법칙이란..