
1. 전문가 시스템(expert system) 일반적인 문제해결사가 아니라, 특정 업무에 대한 인간의 능력과 필적할 수 있는 시스템 개발로 초점맞는 것으로, 특수한 영역에서 인간 전문가의 의사 결정 능력을 흉내내는 컴퓨터 시스템 (지식 기반 시스템(knowledge-

1. 게임 프로그램 게임에서 최선의 수를 찾는 알고리즘을 학습하기 위하여, 불필요한 탐색을 막는 방법을 알아내야 한다. 이때 다음과 같은 속성을 가진 게임만을 고려한다. 두 명의 경기자 : 경기자들이 연합하는 경우는 다루지 않는다. 제로썸 게임 : 한 경기자의 승

전문가시스템 (Expert System) 베이지안 추론 (Bayesian Inference) 문제점 사람의 표현은 애매한 경우가 많음 (ex. 온도가 약간 높다) 지식의 불확실성 : 사람마다 지식, 견해가 다를 수 있음 > ## 1. 명제 논리 vs 퍼지 논리

1. 탐색(search) 탐색 : 컴퓨터가 문제를 해결하기 위하여 스스로 해답에 이르는 경로 상태공간(state) : 상태들이 모여있는 공간 초기 상태(initial state) : 문제해결을 시작하는 상태 목표 상태(goal state) : 목표가 되는 상태 >

1. 탐색(search) 탐색 : 컴퓨터가 문제를 해결하기 위하여 스스로 해답에 이르는 경로 상태공간(state) : 상태들이 모여있는 공간 초기 상태(initial state) : 문제해결을 시작하는 상태 목표 상태(goal state) : 목표가 되는 상태 >

Sequential Data : 특정 순서를 가지는 데이터(ex. 쇼핑몰 구매 목록, 유전자 서열, 주식) > ## 1. Forcasting Problem N discrete states 중 하나의 상태를 갖는 시스템 $q_t$ (정의된 상태는 랜덤으로 변하는

classfication(분류) 문제 : 새로운 데이터가 입력되었을 때, 그 input data의 class를 찾는 것 > ## 1. 최근접 이웃 (Nearest Neighbor) 최근접 이웃 알고리즘 Idea 새로운 입력 데이터를 기존에 있는 값들 중에서 가

1. Unsupervised Learning (비지도 학습) Label(정답)이 없는 data를 학습하는 방법 clustering(군집화)는 대표적인 비지도 학습 이외에 차원 축소, 생성 모델 등 다양한 방법 존재 Clustering Label이 없는 data들

Heuristic Search Techniques 한계 local minima 문제 최적의 해를 구하지 못했지만, 최적이라고 판단하여 탐색을 종료 시스템 최적화 문제 하나의 시스템은 연속적인 단일 변수만 존재하는 것이 아니라 discrete, categorical,

Optimization > # Overfitting vs Underfitting Overfitting : train data가 과도하게 학습되어 test data의 성능이 떨어지는 경우 Underfitting : train data에서 조차 학습이 잘 안 되어 성능

1. Linear Regression Base code data와 target 분리 train, test 분리 모델 학습 성능 평가 > ## 2. Regularization

분류 문제 : 입력 데이터를 미리 정의된 범주로 나누는 것 (일반적으로 분류 문제는 지도학습 유형으로 다루어짐) Linear Regression의 한계 범주를 구분하는 분류 문제에 취약 특이값이나 이상치에 크게 영향 받음 (-> Classification에 Lin

분류 문제 : 입력 데이터를 미리 정의된 범주로 나누는 것(일반적으로 분류 문제는 지도학습 유형으로 다루어짐)Linear Regression의 한계 범주를 구분하는 분류 문제에 취약특이값이나 이상치에 크게 영향 받음분류 데이터는 0,1로 표현되어 데이터의 표현 범위는