🤖머신러닝 입문
머신러닝 : 인공지능(AI)의 한 분야로, 데이터 분석을 위한 모델 생성을 자동화 하여 소프트웨어가 데이터를 바탕으로 학습하고 패턴을 찾아냅니다. (
찾아내지마..ㅋㅋ)
1. 비전인식(Vision Recognition)
- 컴퓨터, 로봇, 인공지능에게 시각을 부여해 물체와 장면을 인식하고
처리하게 하는 기술 - 사람의 시야와 동일하게 구현
2. 테슬라의 오토파일럿 (tesla autopilot)
- GPS는 차량의 경로와 위치를 판단
- 레이더(RADAR)는 전후방의 차량을 인식
- 라이다(LiDAR)는 자동차의 주변 환경을 360도로 인식
- 카메라는 차량 앞에 있는 사물이 어떤 사물인지, 혹은 사람인지 아닌지 파악
- 초음파 센서는 차량 주변에 있는 근접 차량을 인식
- 컴퓨터 시스템은 위의 장치로 얻은 데이터를 기반으로 자동차의 움직임을 제어
3. 하이젠베르크 - 불확정성의 원리
- 위치-운동량에 대한 불확정성 원리이며, 입자의 위치와 운동량을 동시에 정확히 측정할 수 없다는 것을 뜻한다
4. 2021년도에 들어서 인공지능인지 아닌지 판단
- 프로그래머가 왜 이렇게 된건지 알면 인공지능이 아님
- 프로그래머가 왜 이렇게 된건지 모르면 인공지능
-> 예상치 못하거나 혹은 그 이상의 성과(?!) 효과(?!)를 내기 때문
5. 인공지능 학습(교수법)은 크게 3가지로 나뉜다
- 지도학습
- 부모가 미리 결과를 알려주면서 학습
- 프로그래머가 미리 라벨링된 데이터를 함께 주면서 학습
-> ex) captcha 등
- 비지도학습
- 부모가 아무런 결과도 알려주지 않으면서 학습
- 프로그래머가 어떠한 라벨링된 데이터도 주지 않으면서 학습
-> 연관관계 추론하는 것, 유튜브 알고리즘, 휴대폰 안면인식, 구글맵 지도학습 등
- 강화학습
- 부모가 목표만 제시하되 어떠한 방법도 제시하지 않음, 단 목표를 달성하면 보상하고, 목표를 달성하면 처벌함
- 프로그래머는 프로그램에 달성해야 하는 목표를 제시하고 프로그램이 어떤 알고리즘을 적용하는지는 상관하지 않되 목표를 달성하면 큰 점수를 부여하고 (양수값의 점수를 부여하고) 목표를 달성하지 않으면 낮은 점수 (음수값의 점수)를 부여하여 수백만번 같은 훈련을 반복시킴
-> ex)알파고, 게임 등
6. 규칙 기반 프로그래밍 (Rule Based Programing)
- 대부분 특정 많은 조건들로 구성 (if- than - else)
- 학습능력은 없으나 구성하는 아이디어가 인간의 행동을 비롯해서 구성하기 때문에 가장 단순한 형태의 AI로 간주한다.
📊머신러닝을 위한 입문 수학
함수, 미분, 행렬과 벡터, 선형회귀, 인공신경망 등 이 있다.😥 (
없었으면..ㅋㅋ)
1. 함수(function)
- 두 변수 x, y 에 대하여 x의 값이 정해짐에 따라 y의 값이 오직 하나씩 정해지는 관계가 있을 때를 x의 함수라고 하며 기호로 y = f(x) 로 나타낸다.
- 쉽게 말해 y = x에 관한식으로 표현되면 함수라고 할 수 있다.
-> 단, x + y 는 함수가 아니라 방정식이다.- y = x^2 : 함수
- y^2 = x : 함수가 x
-> x와 y에 숫자를 대입해봤을때 값이 제대로 나와야함
- 함수라는 것은 입력과 출력이 있어야한다.
- 자판기로 비유 ( 정의역x, 치역y)
- x 하나에 y 여러개 x ----> 올바른 함수
- y하나에 x여러개 됨! -----> 올바르지 않은 함수
- x승 중에서 가장 높은게 n이면 n차 함수
- y = x^2 + y : 2차함수
- x^2 + y^2 = 9 : 방정식
2. 1차함수(linear function)
- 입력값(x)의 최고차수가 1차인 함수
- y = 2x + 1 : 함수그래프가 직선(x,y그래프에서 대각선)
3. 2차함수(quadratic function)
- 독립변수 x의 최대차수가 2차인 함수
- y = ax^2+bx+c : 함수그래프가 u자,∩형을 띔
3. 회귀분석(Linear Regression)
- 지도 데이터로 일단 학습 시켜놓고 그래프를 도출하고 새로운 데이터 나오면 추론함 (리니어한 그래프)
y = 3x + 8
y = -5x + 7
a = rand(-1억, 1억)
b = rand(1억, -1억)4. 분산과 표준편차
- 분산 : 데이터들이 얼마나 흩어져 잇는지를 나타내는 것
- 편차 : 평균과의 차이를 의미
- 분산을 구하는 방법 :
편차^2 의 합 / 데이터의 개수 (나누기x 분수)- 오차의 합 :
(b1 - f1(a1))^2 + (b2-f1(a2))^2 + (b3 - f1(a3))^2 + ... + (bn - f1(an))^2-> 오차의 합 += (실 - 예) ^2 (프로그래밍 코드에서)
📚과제
그래...어서오고
1. 복습
- 1차함수, 1차함수 그래프
- 2차함수, 2차함수 그래프
- 시그마
2. 예습
- 미분법 -> 접선의 기울기
- 합성함수의 미분법(권장사항)
f(g(x))` = f`(g(x))g`(x)
🦈수업후기
머신러닝 === 딥러닝 ? I Love Math : 😭 ;
개인프로젝트가 끝나고 나서 수업이라 마음이 가벼웠고, 머신러닝 제대로 배워 보는건 처음이였다. 하지만 수학에 약한 지라 함수까지는 문제 없었는데, 분산과 편차에서 조금 헤엄쳤다..
그래도 대표님께서 아주 쉽게 우리 눈높이에 맞춰 비유 해주시면서 설명해주신 덕에 금방 따라갈 수 있었고, 머신러닝 과연....(낭만은 무슨)
그래도 내일 드디어 react를~😍
되는 이유만 생각하는 카멜레온