인공지능 with python

1. 인공지능 개념 1) 인공지능 인공적으로 만든 지능 머신러닝을 이용해 만들어짐 2) 머신러닝 데이터를 이용해 인공지능을 만들 수 있음 데이터를 이용하여 기계가 스스로 학습하는 방식 : 특정한 데이터와 그 결과를 이용해 관계를 찾아냄 3) 딥러닝 인공지능을 만드는

1. 변수 1) 타입 알아보기 2) 변수형 변경 2. 배열 1) 배열 생성 2) 배열 길이 3) 배열 슬라이싱(slicing) 3. 넘파이 > - 배열이나 행렬에 대한 계산을 위한 함수를 모아놓은 라이브러리 1) 넘파이 배열 >- array() 사용하여 배

1. 딥러닝 개발환경 1) 텐서플로(Tensorflow) > - 딥러닝 모델을 만들 수 있게 도와주는 프로그래밍 라이브러리 텐서 : 데이터 2) 케라스(keras) > - 딥러닝 만들 때 사용하는 라이브러리 텐서플로를 이용하기 쉽게 만들어줌 ➡️ 케라스를 이용하려면

머신러닝 : 데이터들 속에서 규칙을 찾아내고 새로운 데이터에 적용해 새로운 결괏값 도출 ➡️ 기존 데이터를 활용해 아직 일어나지 않은 일들을 예측학습(Learning) : 데이터가 입력되고 패턴이 분석되는 과정예측 성공률 : 얼마나 정확하게 경계선을 긋는지에 달려있음l

= 가장 훌륭한 예측선 긋기독립변수 x를 사용해 종속변수 y의 움직임을 예측하고 설명하는 작업독립변수 : 독립적으로 변할 수 있는 값종속변수 : 독립변수에 의해 종속적으로 변하는 값종류1️⃣ 단순선형회귀(simple linear regression) : 독립변수 1개2

신경망을 이루는 가장 기본적인 구조뉴런과 시냅스뉴런 : 신경계를 구성하는 세포시냅스 : 뉴런과 뉴런을 연결(입력에 의해 자극을 받아 다른 뉴런으로 정보 전달)입력 : 여러개의 자극들로 구성입력들은 기준치 이상을 달성해야 전달함(모두 전달하는 건 아님)퍼셉트론 : 입력값

모듈 임포트model = Sequential() : 모델 생성model.add(Dense()) : 모델 내부 계층 구성model.compile() : 모델 컴파일(컴퓨터가 인식가능하게 컴파일)model.fit() : 모델 실행(학습)교차엔트로피 : 가중치 수정을 위한

1. CNN * MNIST를 이용한 손글씨 인식하기 1) 데이터 전처리 > - mnist 데이터 : 케라스를 이용해서 부를 수 있음 미국 국립표준기술원(NIST)이 고등학생과 인구조사국 직원 등이 쓴 손글씨를 이용해 만든 데이터로 구성 70,000개의 글자 이

토큰(token) : 입력할 텍스트를 단어별, 문장별, 형태소별로 작게 나눈 하나의 단위토큰화(tokenization) : 입력된 텍스트를 잘게 나누는 과정text_to_word_sequence() : 문장을 단어 단위로 나눠주는 함수Bag of words(단어의 가방

3. 순환 신경망(RNN, Recurrent Neural Network) > - 여러 개의 데이터 순서대로 입력되었을 때, 앞서 입력받은 데이터를 잠시 기억해둠 ➡️ 기억된 데이터의 중요도에 따라 가중치 부여 인공지능이 문장을 듣고 '이해' ➡️ '이미 학습(tr

딥러닝의 원리를 활용해 가상의 이미지를 생성하는 알고리즘적대적(Adversarial) : 진짜 같은 가짜를 만들기 위해 GAN 알고리즘 내부에서는 ‘적대적’인 경합을 진행ex) 이안 굿펠로의 위조지폐범과 경찰 \- 한쪽은 가짜를 만들고 한쪽은 진짜와 비교하는 경합

5. 전이학습(transfer learning) 딥러닝 : 스스로 중요한 속성을 추출해 학습하므로 방대한 데이터 필요함 데이터가 불충분할 경우, 전이학습을 통해 예측율을 높일 수 있음 > ✔️ 수만 장에 달하는 기존의 이미지에서 학습한 정보를 가져와 내 프로젝트에 활

인간의 지능을 모방하여 사람이 하는 일은 컴퓨터(기계)가 할 수 있도록 하는 기술구현 방법 : 머신러닝, 딥러닝 ➡️ 학습 모델을 제공하여 데이터를 뷴류할 수 있는 기술주어진 데이터를 인간이 먼저 전처리범용적인 목적을 위해 제작되었기 때문에 데이터 특징 스스로 추출 불