CS/Data Mining5 [DataMining] Deep Learning 이번 시간에는 Deep learning에 대해 알아보도록 하겠다. ● Deep Learning - 딥러닝은 neural network의 여러 학습 알고리즘들을 일컫는 말이다. → 많은 layer로서 학습 -최근 AI 혁명의 긴 역사 끝에 나온 주요 기술 - 특히 직관적인 문제들에 대해 매우 효과적 → 사람들이 수행하기는 쉬우나 공식적으로 설명하기는 힘든 일들 → 예 : 사진에서 사람이 하는 말이나 얼굴 인식 ● 딥러닝의 역사 ● Neural Network - 컴퓨터가 관측 데이터를 학습할 수 있도록 생물학적 뉴런 구조를 모방한 paradigm → a network of connected neurons * neuron ● deep learning의 특징 * simple machine learning alg.. 2020. 5. 3. [DataMining] AI & Machine Learning 이번 시간에는 AI와 머신러닝에 대한 전반적인 내용에 대해 알아보도록 하겠다. ● AI (Artificial Intelligence) - intelligence는 원래 인간같은 고등생물과 같은 것이다. * AI의 종류 1. Strong AI - 인간과 똑같이 생각하는 기계 - 인간의 마음은 유한 상태 기계(Finite State Machine)이다. - 뇌는 순수한 하드웨어이다. (말하자면 고전적인 컴퓨터처럼 동작한다.) - 인간의 마음은 오로지 뇌를 통해서만 존재한다. - 아직까지는 구현 불가능 - 예: 터미네이터 → 적대적인 인공지능이 되면 상당히 위험할 수 있다. 2. Weak AI - 컴퓨터 기반의 인공적인 지능을 만들어내는 것에 대한 연구 - 지능을 부분적으로 흉내내는 컴퓨터 프로그램을 개발 -.. 2020. 5. 3. [DataMining] 2-2. Data Preprocessing 저번 시간에는 데이터가 무엇인지, 어떤 종류가 있고 어떤 특성들을 가지고 있는지에 대해 배웠다. 이번 시간에는 데이터 전처리에 대해 알아보도록 하겠다. 1. Aggregation (집단화) - 두개 혹은 그보다 많은 attribute나 object를 하나의 attribute 또는 object로 합치는 것이다. - 2개 이상의 attribute를 하나의 attribute로 몬 것이 아니고, 여러 개의 object를 한 개의 값으로 변환하는 것이다. → 평균, 분산 등 데이터 여러 개를 하나로 종합한다는 뜻. - 예: 여러 데이터에 나이라는 속성값이 있으면 평균으로 하나의 값으로 일반화할 수 있다. * 목적 ① Data reduction - attribute나 object의 수를 줄인다 ② Change of.. 2020. 4. 30. [DataMining] 1-2. Data Mining Tasks 저번 시간에는 데이터 마이닝이 무엇인지, 왜 필요한지에 대해 배웠다. 이번 시간에는 데이터 마이닝들이 수행하는 작업들에 대해 배워보도록 하겠다. ● Classification (Predictive) - 분류는 지도학습에 해당한다. - 분류하는 모델을 찾아야하는데, input으로 들어가는 attribute가 있고, output으로 나오는 attribute는 class attribute라고 한다. - 분류한 뒤 그 결과가 맞는지 틀리는지는 일정한 시간이 지난 다음에 알 수 있는 경우가 있다. 예를 들어, 신용카드 회사에 고객이 정보를 신청하면 자신의 인적사항을 적으면 보통, 우수, 불량 고객인지 처음에 정하는데 정말 그런지는 한 달 뒤 정도에 알 수 있다. - training set이라는 기록들의 모음이 주.. 2020. 4. 27. 이전 1 2 다음
