머신러닝/딥러닝

인공지능과 머신러닝, 딥러닝인공지능사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술인공일반지능(강인공지능) vs 약인공지능인공일반지능(강인공지능)사람과 구분하기 어려운 지능을 가진 컴퓨터 시스템약인공지능현실에서 우리가 마주하고 있는 인공지능,

지도 학습입력(데이터)과 타깃(정답)으로 이뤄진 훈련 데이터가 필요. 알고리즘이 정답을 맞히는 것을 학습 ex) 도미인지 빙어인지 구분비지도 학습타깃 없이 입력 데이터만 사용, 정답을 사용하지 않으므로 무언가를 맞힐 수 없다. 대신 데이터를 잘 파악하거나 변형하는데 도

"정답 라벨이 있는" 데이터를 활용해 데이터를 학습시키는 것이다. 입력값(X data) 이 주어지면 입력값에 대한 Label(Y data)를 주어 학습시키며 대표적으로 분류, 회기 문제가 있다.1) 분류(Classification): discrete한 value로 분류

KNN(K-Nearest Neighbor) 알고리즘은 새로운 데이터로부터 거리가 가까운 'k'개의 다른 데이터의 레이블을 참조하여 분류하는 알고리즘이다.\*KNN 알고리즘은 일반적으로 분류에 사용되지만 회기로써도 사용될 수 있다.예를 들어 k=1인 경우 새로운 데이터는

K-means 알고리즘은 k 값이 주어졌을때, 주어진 데이터들을 k 개의 클러스터로 묶는 알고리즘으로 비지도학습의 대표적인 클러스터링 기법 중 하나이다.알고리즘의 매커니즘은 다음과 같다Step 1: 군집화의 기준이 되는 중심을 구성하려는 군집 개수만큼 정함Step 2: