인공지능이란? 인간의 지능을 모방하여 사람이 하는 일을 컴퓨터가 할 수 있도록 하는 기술인공지능을 구현하는 방법머신러닝주어진 데이터를 인간이 먼저 처리(전처리)함.if 이미지 데이터라면, 그것을 컴퓨터가 인식할 수 있도록 사람이 학습 데이터를 준비해야함.범용적 목적을
GPU에서 텐서 조작 및 동적 신경망 구축이 가능한 프레임워크GPU(Graphics Processing Unit)연산 속도를 빠르게 하는 역할기울기 계산에 미분을 사용하는데, GPU를 사용하면 빠른 계산이 가능내부적으로 CUDA, cuDNN이라는 API를 통해 GPU
지도학습은 분류와 회귀로 나뉜다.분류 : 데이터를 정해진 범주에 따라 분류회귀 : 데이터의 특성을 기준으로 연속된 값을 그래프로 표현해 패턴이나 그래프를 예측K-최근접 이웃이란?새로운 입력을 받았을 때 기존 클러스터에서 모든 데이터와 인스턴스 기반 거리를 측정한 다음,
비지도학습이란?정답이 없는 상태에서 훈련시키는 방식군집(=클러스터)각 데이터의 유사성(거리)을 측정한 후 유사성이 높은 데이터끼리 집단으로 분류차원축소차원을 나타내는 특성을 줄여서 데이터를 줄이는 방식💡 \*\*데이터 간 유사도(거리) 측정 방법유클리드 거리맨해튼 거
인공 신경망은 사람의 뇌에서 영감을 받은 컴퓨터 모델이다.이 모델은 여러 개의 뉴런(노드)으로 구성되어 있고, 이 뉴런들은 신호를 주고받으면서 작동한다.예를 들어..우리가 어떤 사진을 보고 고양이인지 개인지 판별하는 작업을 한다고 가정해보자.이 작업을 인공 신경망으로
합성곱 신경망이미지 전체를 한 번에 계산하는 것이 아닌 이미지의 국소적 부분을 계산함으로써 시간과 자원을 절약하여 이미지의 세밀한 부분까지 분석가능한 신경망합성곱 신경망은 이미지, 영상 처리에 유용이미지 분석의 과정배열을 펼친 다음, 픽셀에 가중치를 곱해 은닉층으로 전
2.4 ARIMA 모델
1. 시계열 문제 2. AR, MA, ARMA, ARIMA 2.1 AR 모델 2.2 MA 모델 2.3 ARMA 모델 2.4 ARIMA 모델 3. 순환신경망(RNN) 3.1 RNN 계층과 셀 4. RNN 구조 4.1 RNN 셀 구현 4.2 RNN 계층 구현 5.