AI 엔지니어 이론

선형대수학이란 어떤 학문이며, 왜 머신러닝/딥러닝에 필요할까요? 선형대수학이라 하면 행렬과 백터를 다루겠죠. 백터는 한 방향을 표현하는 점을 나타내고 행렬은 차원의 공간을 표현합니다. 우리가 바라보는 세상은 3차원으로 구성돼 있죠. 하지만 행렬은 3차원 이상의 공간까

이미 레이블이 붙은 데이터를 통해 모델을 학습해 주어진 새로운 데이터에 대해 예측할 수 있는 모델을 만들기데이터각 롤 경기에서의 플레이어 정보(챔피언, 아이템, 킬, 데스, 어시스트, 골드 획득 등)해당 경기의 결과(승리 또는 패배)각 경기에서 승리/패배라는 레이블이

Q1. 결정 트리의 장단점 Q2. 부스팅 특징 부스팅 개념 여러 개 약한 모델을 순차적으로 학습시켜 이전 모델이 틀린 부분을 보완하면서 강한 예측기를 만드는 방법 -> 약한 모델의 기준은 뭔가요? -> Bagging과 어떻게 다른가요? AdaBoost (Adaptiv

딥러닝은 최근 AI 기술의 핵심이라고 볼 수 있습니다. GPT, 자율주행, 이미지 생성모델 등 모두 딥러닝 덕분에 가능해졌죠. 딥러닝에 관심을 갖는 분이라면 이런 궁금증을 한 번쯤은 갖고 계셨을 겁니다."딥러닝을 하고 싶은데 굳이 머신러닝을 먼저 배워야 될까?"정답은

PyTorch와 TensorFlow는 사용 목적이 다르다.PyTorch는 실험, 연구, 프로토타이핑에 유리해 연구자들이 많이 사용합니다.TensorFlow는 서비스 배포, 모바일 최적화, 대규모 제품화에 강점을 두고 있어 기업에서 많이 사용합니다.따라서 사용 목적에 따

YOLO (You Only Look Once)는 객체 탐지(Object Detection)를 단일 CNN 연산으로 수행하는 1-stage 탐지 모델입니다.기존 R-CNN 계열 방식과 달리 이미지를 한 번만 처리하여 모든 객체의 위치(Bounding Box)와 클래스(L

객체 탐지를 이해하기 위해서는 먼저 정밀도(Precision)와 재현율(Recall) 개념을 알아야 합니다.TP (True Positive): 정확하게 탐지된 객체FP (False Positive): 잘못 탐지한 객체 (오탐)FN (False Negative): 놓친