Regression4 [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] 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. [DLBasic]Lecture 2. Linear Regression Linear Regression은 Machine Learning에서 실제로 많이 사용된다. 저번 시간에 설명했던 것과 같이 어떤 학생의 공부한 시간별 시험 성적이 0~100점까지의 연속적인 넓은 범위 안에서의 한 값이라고 한다면 Regression을 사용한다. 이것은 이미 주어진 데이터들로 학습을 하는 것이니 Supervised Learning에 속한다. 데이터를 가지고 학습을 하는 과정은 Training이라고 하고, regression으로 모델을 하나 만들고 나서 regression을 사용해서 공부 시간을 주고 시험 점수를 예측하게 할 수 있다. 위의 표는 Training Data의 예이고, Regression Model을 만들어보자. x는 예측하기 위한 기본적인 자료, Feature이라고 하고, y는.. 2020. 1. 15. Lecture 1 1-1. Introduction What is Machine Learning machine learning이 정확히 뭔지 well accepted definition이 없다. ● Machine Learning definition ⊙ Author Samuel(1959) - Informal, order definition -Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed. 체커스를 그 자신은 잘 못하지만 컴퓨터가 수많은 게임을 하면서 학습해서 더 잘하게 되었다. ⊙ Tom Mitchell(1988) - 최신 definition -Problem: A comput.. 2019. 9. 22. 이전 1 다음
