일오갓생 - 初心 찾기 9일차

할로~ 할로~ 지가 왔어라유

먼저 새해 인사 받으시죠!!!

오늘 1월 1일이라니....

이제 새로운 시작이네요!!!!!

아아아아ㅏ아악 26년 잘해보자아아아

자자 오늘의 중국 뉴스~ 드갑니다~~~

그 전에 앞서서...ㅎㅎㅎ 자랑 좀 하고 갈께요 ㅎㅎ

ㅠㅠㅠㅠㅠㅠㅠㅠㅠㅠㅠㅠㅠ
따수운 말 덕분에.... 오늘도...
나 유익한 걸로 낋여왔어...

thanks for 효원

오늘의 주제는
중국은 어떻게 AI 헬스케어 국가가 되었을까요?

중국은 세계에서 가장 빠른 속도로 ‘인구 문제 + 의료 문제’를 동시에 맞은 국가입니다.

2008~2012년에 인구·만성질환 문제가 본격화 시작되면서 (인구증가, 급속 고령화, 만성질환 급증) 중국의 의료 시스템으로는 한계가 있음을 판단했습니다.

병원을 더 짓기엔 땅과 예산이 부족했고, 의사를 더 키우기엔 시간이 너무 오래 걸렸으며, 도시 중심 의료는 지방을 포기하는 선택과 같았기 때문입니다.

결국 이 문제를 해결하기 위한 결과가 바로
‘Healthy China 2030’입니다.

Healthy China 2030’이란?

Healthy China 2030(건강중국 2030)은
중국 정부가 국가 차원에서 건강을 다시 정의한 장기 전략입니다.

Healthy China 2030를 통해 중국은 국민들을 아픈 뒤 치료하는 나라”가 아니라 “아프지 않게 관리하는 나라”로 포커스를 다시 맞췄습니다.

(🗣️ : 실제로 중국 교환학생 시절, 학교 체육장에 "提高国民体质，建设健康中国(국민 체력을 높여 건강한 중국을 건설하자)"이나 "健康中国，从我做起(건강한 중국은 나부터 시작된다)"의 현수막이 달려 있었고...... 중국인 친구들이 달리기를 많이 하는 것을 보았습니다....! 뿐만 아니라, 과체중인 학생들을 대상으로 필수적으로 운동을 시키는 관리시스템이 있었던 걸로... 기억합니다.... )

그런데 예방과 관리를 하려면 더 많은 관찰과 데이터가 필요한데 사람과 병원만으로는 그 많은 것들을 감당할 수 없었습니다.

결국 중국은 대규모 건강 관리와 예방을 가능하게 할 수단으로 인공지능을 적극적으로 선택하게 됩니다.

중국은 AI를 연구실에 두지 않고, 병원, 지역, 공공 시스템 안으로 넣으면서 데이터를 쉽게 쌓고 관리할 수 있도록 했습니다.

이후 정부가 방향을 잡고, 기업들이 함께 참여하기 시작했는데요.
환자 분류, 문진, 만성질환 관리, 약 복용 관리, 불필요한 재방문을 줄이는 데 AI가 활용되었고, 그 결과 건강과 AI를 결합한 시도가 국가와 기업 전반으로 빠르게 확산되었다고 할 수 있습니다.

아직 저 또한 중국에서 어떤 인공지능 기술이 사용되고 있는지 잘 알고 있지 못한 상황입니다...!!!

여러분에게 소개해 드리기 위해!! 내일 한번 열심히 찾아보고, 공부해서 잘 끓여오겠습니다!

복근운동

1월 1일 빡세다...

진짜.... 1월 1일 넘 넘 놀고싶었는데...

내가 무슨 부귀영화를 누리자고....

그래도 어제의 나만큼은 했다!!!!
어제의 나에게 지지 않았어!!!!!!!!

데이콘

어제까지는 단순 선형회귀를 배웠다면??

오늘은?

[다중 선형회귀] ~~~

단순 선형회귀는 입력이 1개, 출력도 1개

다중 선형 회귀는 입력이 여러개, 출력은 1개 라고 생각하면 편한데요!

집 가격을 예시로 표현해보자면?

단순 선형회귀 : 집 가격 = 집 크기 × 가중치 + 편향

다중 선형회귀 : 집 가격 = (집 크기 × 가중치1) + (방 개수 × 가중치2) + 편향

로 생각하시면 되겠습니다!!!

뿐만 아니라, ✨예측하고, 정답 비교하고, 틀린 만큼 고치기✨를 반복하는 것도 똑같아요!!! 다를게 없다~ 이말이야~

여기도 어제와 똑같이
import torch
import torch.nn as nn
import torch.optim as optim
torch.manual_seed(42)를 불러옵니다.

그리고
x_train = torch.tensor([[10, 1],[15, 2]], dtype=torch.float)

-> 직역하자면

집1 : 방 크기가 10이고, 방의 개수가 1개

집2 : 방 크기가 15이고, 방의 개수가 2개

목표 : 집1, 집2의 값을 가지고 새로운 모델로 예측하라!

y_train = torch.tensor([[40],
[70]], dtype=torch.float)

y_train 모델이 학습하기 위해 기본적으로 제공되는 정답!!!
즉, 집 1, 2의 가격을 의미한다~ 이말이야~~~

이제 가중치를 초기화 해줍니다!
(학습이 ‘되게’ 만들기 위한 조건)

가중치 초기화를 이걸 왜 해주냐?!?!
nn.Linear를 안 했기 때문에 가중치랑 편향을 자동으로 만들어주는 모델이 없어서!!

우리가 직접 만들어 준거라고 생각하면 됩니다...!!!

여기서 W는 (가중치) 피처가 2개 있기 때문에 (집크기와 방 개수)

w = torch.zeros(2, requires_grad = True) 로 써줍니다!

optimizer = optim.SGD([W, b], lr=0.001

옵티마이저..!
어제 제가 뭐라고 했죠?

W, b를 고치기 위한 준비!

1. SGD (확률적 경사하강법)를 사용하여
2. W,B를
3. 0.001의 학습률로 진행을 하겠다! 라고 지정해줍니다

또 1000번 반복 예측 - 수정할꺼야!!!를 의미합니다!!

pred = x_train.mm(W.unsqueeze(1)) + b

x_train은 2개의 정보(집 크기, 방 개수)가 들어있는데, mm(행렬곱)을 하려면 W 모양을 (2,1)로 바꿔야 합니다. 그래서 unsqueeze(1) = 차원 하나 늘려서 “세로 벡터”로 바꿔주는 거라네요...

그냥 비전공자들은

예측 = (집크기×W1) + (방개수×W2) + b 을 의미한다고 생각하시면 됩니다!

이해하려하지마... 가슴으로 느껴!!!! 그리고 머리론 외워.

optimizer.zero_grad()
loss.backward()
optimizer.step()는 많이 봤죠?

설명은 안합니다. 3번했다!!!
이젠 이해할만하자나!!!!

이후 test_x 에 방 크기 20, 방 개수 3개인 집을 평가하도록 [20,3] 의 백터를 넣어줍니다!

with torch.no_grad():

-> 학습이 아니고, 문제 푸는 시간임을 선포!

pred_y = test_x.mm(W.unsqueeze(1)) + b

-> 학습이 끝난 모델에 테스트 입력값(test_x)을 넣어 예측값(pred_y)을 계산하는 코드!!

print(f"새로운 데이터에 대한 예측 가격: {pred_y.item()}")

-> 최종적으로 예측가격!!

이해되셨을까요????

이해가 안되더라도... 머하면 된다고요?

가슴으로 느끼십쇼.

오늘의 TMI TIME

어제 교회에 가서 신년예배를 드리고 왔는데...
무려 새벽 2시에 집에 도착했단 말씀~~~

심지어 카운트 다운없이... 목사님께서 자연스럽게 예배드리면서 새해를 맞는 걸로 하자고 하셨는데

아니... 카운트 다운안하면 새해가 아닌 것 같다고요!!!

아무리 목사님 말이라도...!

진짜... 내 카운트 다운 돌려내.

네...그렇게 해서 새해를 나도 모르게 맞이했어요^^

올해 교회 청년부에 저보다 한살동생인 친구가 청년부 회장이 되었는데..!!

열심히 코딩공부하는 저에게... 이런 선물을....ㅎㅎㅎ

새해 첫 날에 새해 첫 선물과 첫 편지를 받았네요 ㅎㅎ

기분좋아~!!!

얼마전에 할머니가 집에 오셨는데!
집에 할머니랑 저 밖에 없어서 ㅠㅠ
할머니께 치킨 사드렸습니다!! ㅎㅎㅎ

(할머니는 나에게 백수냐며.... 긁으셔서...
마음이 아팠지만... 그래도 효손녀가 되고 싶어서^^ 사드렸습니닿ㅎ)

할머니가 살고 계신 곳은 시골이라 체인점 치킨을 못사드시는데, 이렇게 오실 때 맛있게 드시면 기분이 좋더라구요!!! ㅎㅎㅎ

1월 1일부터 뿌듯한 손녀가 되었습니다~!!

여러분의 1월 1일은 어땠나요? 함께 나눠주세요오옹