인공지능
1.인공지능의 역사와 경향
인공지능(Artificial Intelligence, AI)은 인간의 지능을 모방하거나 대체하기 위한 기술로, 1956년 다트머스 회의에서 처음으로 이용되었습니다. 이후 AI 기술은 연구와 발전을 거듭해 왔습니다.AI의 초기에는 Symbolic AI라는 방법론이 사용되
2.딥러닝
오늘은 인공지능 프로그래밍 시간에 배운 모두의 딥러닝 책에 대하여 정리해보자. 딥러닝 실행을 위해 필요한 세 가지 딥러닝을 실행하기 위해서는 데이터, 컴퓨터, 프로그램이 필요하다. 데이터 딥러닝은 데이터를 이용해 예측 또는 판별을 수행한다. 이때 사용되는 데이터는 이
3.딥러닝-인공지능 수학( 함수,기울기, 일차방적정식, 2차방정식, 지수,로그,미분,편미분)
모두의 딥러닝 책과 인공지능 프로그래밍 시간에 배운 수학 내용들을 정리해보자.함수는 수학에서 중요한 개념 중 하나로, 입력 값을 출력 값으로 대응시키는 규칙입니다. 함수는 다음과 같은 특성을 갖습니다.정의역: 함수가 정의되는 값들의 집합치역: 함수가 출력하는 값들의 집
4.딥러닝(선형회귀,경사하강법)
오늘은 인공지능프로그래밍 시간에 배운 선형 회귀 경사하강법에 대해 알아보자.경사 하강법은 이렇게 반복적으로 기울기 a를 변화시켜서 m 값을 찾아내는 방법입니다.여기서 우리는 학습률(learning rate)이라는 개념을 알 수 있습니다. 학습률을 너무 크게 잡으면 한
5.tensorflow로 선형회귀 하는 법
오늘은 인공지능프로그래밍 시간에 했던 tensorflow로 선형회귀를 하는 방법을 알아보자.우선 필요한 라이브러리들을 import 해줍니다.x는 feature, y는 target입니다.model.add에서 출력 값, 입력 변수, 분석 방법에 맞게끔 모델을 설정합니다.m
6.롤 승패 예측하기
오늘은 인공지능 프로그래밍 시간에 했던 롤 승부 예측 프로그램을 짜보자.우선 데이터가 필요하다.https://drive.google.com/file/d/13mqspbvJiZOHrRAxCSboOmu7fYaIB-js/view위 링크로 데이터를 먼저 다운 받자.그런
7.딥러닝 다중 분류 문제
오늘은 인공지능 프로그래밍 시간에 배운 다중 분류 문제 해결에 대해 알아보자.꽃잎 모양과 길이에 따라 여러 품종으로 나뉘는 아이리스 꽃이 다중 분류 문제의 좋은 예시다. 아이리스 데이터를 시각화 해보자.깃허브에 준비된 데이터를 불러와서, pairplot을 통해 전체 상
8.딥러닝 모델 성능 검증
오늘은 인공지능 프로그래밍 시간에 배웠던 딥러닝 모델 성능 검증에 대해 알아보자.Train set은 우리말로 학습셋이고 모델이 학습을 하는 데이터를 말한다.Test set은 우리말로 테스트셋이고 학습한 후에 테스트를 하는 데이터를 말한다.학습셋 만으로 머신러닝을 진행하
9.Convolutional Neural Networks (CNN) 기초
컴퓨터 비전 분야에서 다루는 이미지는 크게 두 가지로 나뉩니다. True color 이미지와 Grey scale 이미지입니다. True color 이미지는 RGB (Red, Green, Blue) 채널을 사용하여 24-bit 색상으로 구성된 이미지입니다. 즉, 이미지
10.아나콘다3과 가상환경 세팅 및 주피터 노트북 연결
아나콘다(Anaconda)는 데이터 과학, 기계 학습 및 과학적 컴퓨팅을 위한 오픈 소스 파이썬 배포판이다. 아나콘다는 파이썬 언어 자체와 함께 많은 유용한 라이브러리, 패키지, 도구, 그리고 환경 관리 기능을 제공하여 데이터 과학 프로젝트를 보다 쉽게 관리하고 개발할