# AI

2067개의 포스트

AI 체스 봇 개발 일지(4일차)

체스 봇 개발 일지 4일차 2023 09 18 지난번에는 캐슬링이라는 특수 규칙을 만들었다. 이번에는 승진이라는 기능을 구현 할 것이다. 1. 승진이란 체스에서 승진이란 간단하다. 폰이 앞으로 전진하다가 8번째 행에 도달했거나 상대기물을 잡으면서 8번째 행에 도달한 경우 퀸/룩/비숍/나이트로 승진을 할 수 있다는 규칙이다. 단 폰으로 그대로 남는것은 불가능하다. 2. 구현 일단 승진 할때 멘트를 출력해주고, 무슨 기물로 승진을 할지 키보드 입력을 받는 promote 라는 함수를 만들었다. 키보드의 입력을 스위치 문으로 나누어 리턴을 해주었다. 위의 코드를 폰 함수에 만들어두어 만약 도착지가 8번째 행이고 이동을 성공했으면 promote 함수의 리턴값을 res라는 변수에 저장해주었다. 그리고 res의 값에 따라 폰을 다른 기물로 승진시키는 코드를 만들었다. 위의 코드는 하얀색 폰일때 코드이다.

약 4시간 전
·
0개의 댓글
·
post-thumbnail

AI Study[DataFrame]

코드링크 DataFrame이란? pd.DataFrame은 Python 프로그래밍 언어의 데이터 분석 라이브러리인 pandas에서 제공하는 중요한 데이터 구조 중 하나다. pd.DataFrame은 표 형태의 데이터를 저장하고 조작하는데 사용되며, 행과 열로 이루어진 2차원 데이터 구조를 나타낸다. pd.DataFrame은 다양한 데이터 유형(숫자, 문자열, 날짜 등)을 포함하는 데이터를 저장할 수 있으며, 각 열은 서로 다른 유형의 데이터를 가질 수 있다. 이러한 유연성은 데이터 분석 및 조작 작업을 수행하는데 매우 유용하다. ![](https://velog.velcdn.com/images/lee0798/post/2af8b538-3b9b

약 9시간 전
·
0개의 댓글
·
post-thumbnail

AI Study[Pandas, Series]

코드링크 pandas 기본 연산 pandas란? > Pandas는 데이터 분석 및 조작을 위한 Python 라이브러리로, 인공 지능 (AI) 및 머신 러닝 (ML) 프로젝트에서 다양한 이유로 사용된다. Pandas를 AI 프로젝트에서 사용하는 주요 이유는 다음과 같다: 데이터 전처리: AI 모델을 학습시키기 전에 데이터를 처리하고 정리해야 한다. Pandas는 데이터를 로드하고, 결측치를 처리하며, 이상치를 검출하고, 데이터를 정규화하고, 특징 엔지니어링을 수행하는 데 유용한 도구를 제공한다. 데이터 시각화: Pandas는 데이터를 시각적으로 탐색하고 이해하기 위한 기능을 제공한다. Matplotlib, Seaborn과 같은 시각화 라이브러리와 함께 사용하여 데이터 분포, 상관 관계, 트렌드 등을 시각화하고 시각적 인사이트를 얻을 수 있다. 데이터 조작 및 필터링: Pandas는 데이터를

약 10시간 전
·
0개의 댓글
·
post-thumbnail

[TIL] Unity - AI Navigation - day 51

🐧 들어가기 앞서 개인 과제가 끝났다. 최대한 노력했지만 결과물이 영 만족스럽지 않아서 아쉽다. 객체와 스크립트 간 연결하는 부분을 더 연습해야겠다. 어떻게 하면 객체가 원하는 로직을 가지고 있을지 스크립트로 구현하는 연습이 필요한 것 같다. 🐧 오늘 배운 것 3D 강의를 완강했는데, 가장 신기한 부분은 AI Navigation이다! 🐧 기억할 것 & 진행 개인 과제 상점을 눌러서 돈을 빠지게 하고 싶었는데, 처리해야할 Null이 많아서, 시간에 쫒겨 포기했다. 처리해야할 문제가 많다는 것은 기능을 너무 많이 추가했음을 의미한다.(구성을 잘못함) 다음에는 로직을 우선 생각하고 제작하자. > https://github.com/Munch310/Pe

어제
·
0개의 댓글
·
post-thumbnail

[인공지능] [딥러닝] 모델 fit()과 Hyper Parameter , Accuracy , loss 그래프

딥러닝의 모델 학습 및 학습과정 그래프에 대한 설명 >목차 >>1. fit() >> 2. parameter 종류 소개(batch_size, epochs, verbose, callback, validation) >>3. loss, accuracy / valloss, valaccuracy 그래프 fit() fit()은 model이라는 변수에 저장한 모델을 학습시키는 함수이다. model을 정의 model의 input, hidden, output layer를 설정 model 컴파일(compile) mo

어제
·
0개의 댓글
·
post-thumbnail

🔥 논문 리뷰 - EfficientNet

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks efficientnet.pdf Abstract 모델의 성능과 효율성을 균형있게 조정하기 위해 네트워크의 규모(scale)를 조절하는 방법을 제시 → Compound Scaling Introduction 이전엔 ConvNet을 scale up 할 떄 depth or width

1일 전
·
0개의 댓글
·
post-thumbnail

인공지능(AI) 업계 동향_9월3주차

👀 간추린 업계 동향 방송인 목소리·말투 재현한 AI채팅 서비스 '민트톡' 출시 SKB, AI기술로 지역채널 뉴스 경쟁력 강화 나서 문체부·콘진원 '스튜디오 M' 개관,2025년 버추얼 스튜디오 구축 오픈AI, 내달 '달리3' 출시 어도비, Gen스튜디오 출시 "생성형AI로 기업 콘텐츠 공급망 혁신" 방송인 목소리·말투 재현한 AI채팅 서비스 출시 엔터테인먼트 AI(인공지능)기업 배리어브레이커스가 20일 유튜버 겸 방송인 '덱스'의 AI채팅 서비스를 공개했다. 이번 서비스는 배리어브레이커스가 만든 생성AI 기술을 활용한 채팅서비스 '민트톡'으로 개발됐다. 민트톡은 배리어브레이커스가 자체 개발한 AI언어모델이 크리에이터의 말투, 취미, 행동 패턴, 스타일 등을 학습해 아티

3일 전
·
0개의 댓글
·
post-thumbnail

CNN(Convolutional Neural Networks)

컨벌루션 신경망(Convolutional Neural Network, CNN)은 주로 이미지 분석 및 컴퓨터 비전 작업에 사용되는 딥러닝 방식 중 하나이다. > 특히 이미지 처리에 탁월한 성능을 보인다. CNN의 탄생 인공신경망의 기본 구조로 이미지를 분석하기 위해선 1차원 형태로의 변환(Flatten)이 필요하고 그에 따라 한계점이 발생했다. 인접 정보의 소실 이미지 크기가 커짐에 따라 모델의 크기가 기하급수적으로 증가 이로 인해 생체 신경망의 계층적 시각 정보 처리방식을 모방한 CNN이 탄생되었다. 생체 신경망(뉴런)의 특징 > 뉴런은 아주 좁은 영역의 자극에 반응한다. > 뉴런마다 각기 다른 모양의 특징을 인식하도록 뉴런의 역할이 나뉜다. > 뉴런은 계층 구조를

3일 전
·
0개의 댓글
·
post-thumbnail

과잉적합&과소적합

과잉적합? 과소적합? 과잉적합(Overfitting)과 과소적합(Underfitting)은 머신러닝 및 딥러닝 모델을 평가하고 최적화하는 과정에서 중요한 개념이다. 과잉적합 > 지나치게 훈련 데이터에 특화돼 실제 적용 시 좋지 못한 결과가 나오는 것 자세하게는 모델이 훈련 데이터에 너무 맞춰져서 훈련 데이터에 대한 예측은 잘 수행하지만, 새로운 데이터나 검증 데이터 또는 테스트 데이터에 대한 예측 능력이 떨어지는 상황을 말한다. 과잉 적합을 아는 방법 > 훈련 데이터의 손실값은 계속 감소하는데, 검증 데이터의 손실값은 증가하는 경우, 과잉 적합이다. ![](https://velog.velcdn.com/images/humpose/post/387bcd33-e9b9-4922

3일 전
·
0개의 댓글
·
post-thumbnail

DNN(deep neural networks)

WHAT IS DNN? > MLP(다층 퍼셉트론)에서 은닉층의 개수를 증가시킨 것이다. > 은닉층을 하나만 사용하는 것이 아니고 여러 개를 사용한다. 은닉층들의 역할 > 여러 개의 은닉층 중에서 앞단은 경계선(에지)과 같은 저급 특징들을 추출하고, 뒷단은 코너와 같은 고급 특징들을 추출한다. MLP vs DNN DNN의 문제점

3일 전
·
0개의 댓글
·

AI를 위한 통계(통계적 추정 및 검정)

1-1. 통계적 추정 1-2. 통계적 추정 - 기준 1-3. 통계적 추정 - 점추정 1-4. 통계적 추정 - 구간추정 ![](https://velog.velcdn.com/images/albert0811/post/7127f711-bf51-4d46-85a5-75afb5f060ec/

3일 전
·
0개의 댓글
·

AI를 위한 통계(확률분포)

1-1. 이산확률분포 - 이항분포 1-2. 이산확률분포 - 포아송분포 2-1. 연속확률분포 - Uniform Distribution ![](https://velog.velcdn.com/images/albert0811/post/331edac2-7ee7-4b2d-980e-d5f7a38cc0ee/imag

3일 전
·
0개의 댓글
·

AI를 위한 통계(확률과 확률변수)

1-1. 확률 1-2. 확률 - 정의 1-3. 확률 - 확률의 성질 1-4. 확률 - 조건부확률 ![](https

3일 전
·
0개의 댓글
·

AI를 위한 통계(통계량, 평균, 분산, 표준편차)

1. 통계 > 통계(Statics)는 데이터의 수집, 분석, 추론, 요약 등의 방법론을 다룬다. 통계에서 주로 등장하는 용어들이 있는데 이는 아래와 같다. 모집단(Population) 통계학에서 관심/조사의 대상이 되는 개체의 전체집합 모수(Parameter) 모집단에 대한 수치적 요약 표본(Sample) 모집단을 적절히 대표하는 모집단의 일부 통계량(Statistic) 표본에 대한 수치적 요약 즉, Population과 Paramter가 한 쌍이고, Sample과 Statistic가 한 쌍이다. 2. 자료의 종류 범주형 자료: 속성의 범주화, 상대적 서열도 표현 명목형 자료: 단순히 속성을 분류하기 위함 (혈액형) 순서형 자료: 상대적인 크기의 비교 (만족도, 최종학력) 양적 자료: 자료자체가 숫자로 표현됨 이산형 자료: 셀 수 있는

3일 전
·
0개의 댓글
·

[ML스터디] 회귀 알고리즘과 모델의 규제

Intro - Feature Engineering 특징 공학(Fatures Engineering)은 주어진 데이터에서 특징을 다루는 기술을 의미한다. 그렇다면 과연 어떻게 특징을 다루는 것일까? 🧐 이전에 머신러닝 모델을 이해하고 어떻게 예측 성능을 향상 시킬 수 있는지 알아야 한다. 특징은 모델 성능에 가장 큰 영향력을 미치는 요소 중에 하나이다. 모델 성능을 높이기 위해서 모델의 파라미터를 조정하는 방법도 있고, 가중치를 조절하는 방법도 있다. 그러나 무엇보다 중요한 것은 데이터 그 잡채(?) 라는 것이다. 그러므로, 데이터를 뚝딱뚝딱~ 해서 새로운 데이터 특징을 만드는 과정도 필요하다. 그러나, 이 부분은 기술만으로 설명할 수 없는 한계가 있다. 왜냐하면, 대상이 되는 영억에 대한 도메인 지식이 필요한 경우가 많기 때문이다. 다양한 산업에는 다양한 비즈니스 문제가 있기 때문에, 데이터를 둘러싼 배경지식의 이해가 필수적이다. 그래도 가이드

4일 전
·
0개의 댓글
·
post-thumbnail

[AI가보자고~!]Anomaly Detection 소개

안녕하십니까~! 메타쏭이입니다. ¡¡¡( •̀ ᴗ •́ )و!!! metaverse에 관한 내용을 먼저 쓸려고 했는데 최근에 관심 분야가 새로 생겨서 이 이야기를 먼저 적게되었습니다 요즘 관심있는 분야는 Anomaly Detection으로 이상탐지라고 합니다. 앞으로 쓸 내용은 혈당 자료를 이용하여 혈당 스파이크와 Anomaly Detection을 연관지어보는 그런 연구를 하는 내용을 담을려고 합니다! Anomaly Detection(이상치 탐지)란? nomaly Detection(이상치 탐지)란, 데이터 안에서 anomaly, outlier, abnormal과 같이 예상하지 못한 패턴을 찾는 일련의 활동을 말합니다. 'Anomaly Data Detection'이라는 것은 오류를 탐지

4일 전
·
0개의 댓글
·

[DL] Deep Neural Networks

0. 들어가며 Deep Learning 모델의 가장 기본인 DNN에 대해서 간단하게 알아보겠다. [ML] 시리즈에서 뉴럴네트워크의 기본적인 내용들을 적은 글이 있으니 보다 자세한 내용을 원한다면 아래 링크를 참고하자. 1. 뉴럴네트워크 파라미터 결정, 비용함수 DNN에 들어가기에 앞서 뉴럴네트워크 모델을 먼저 알아보자. 뉴럴네트워크 모델의 비용함수는 다른 모델들과 마찬가지로 예측한 Y값과 실제 Y값의 차이를 최소로하는 가중치를 찾는다. 즉, Loss function이 최소가 되는 가중치 w를 찾는 것이다. ![](https://velog.vel

4일 전
·
0개의 댓글
·
post-thumbnail

[AI] 인공지능 과정 대출승인 머신러닝

대출 승인 데이터를 활용해서 어떤 요인이 대출 승인과 연관성이 높은지, 어떤 모델을 사용했을 때 대출 승인 정확도가 높은지 확인해보자. 대출과 관련된 요인들 중에서는 Gender, Self-employed, property, married, education, dependants 등이 있다. 사용하는 모델은 random forest, decision tree, SVM, KNN을 사용한다. 이를 통해 추후 대출을 신청하는 사람의 대출 승인 여부를 빠르고 정확하게 파악할 수 있다. 처리 속도를 높일 수 있다. 1.패키지 및 데이터 가져오기

4일 전
·
0개의 댓글
·

[DL] Deep Learning

0. 들어가며 AI를 공부하는 사람이라면 한 번쯤은 짚고 넘어가야할 부분인 딥러닝에 대해서 간단하게 알아볼 예정이다. DNN, CNN, RNN, GAN 등 딥러닝에서의 여러 모델들의 특징에 대하여 공부하고 공부한 내용을 포스팅하겠다.

4일 전
·
0개의 댓글
·
post-thumbnail

AI의 물낭비 습관

2023-09-16(Sat) by Lucas Ropek [Image: peterschreiber.media (Shutterstock)] AI 산업의 엄청난 물 소비에 관하여 기술 업계에 물과 관련한 문제가 있다는 것은 비밀도 아니다. 고도로 디지털화된 세상에 필수적인 데이터 센터가 제대로 작동하려면 상시 냉각이 필요하다. 문제는 냉각 과정에서 엄청난 양의 담수가 필요하며, 이 중 상당량은 미국 지역 상수도 시스템에서 공급되어야 한다는 점이다. 에너지 집약적인 신흥 AI 산업이 실리콘 밸리에서 가장 '목마른' 산업 중 하나라는 사실은 놀라운 일이 아니다. 이번 주 Microsoft가 최신 환경 보고서를 통해 2021년부터 2022년까지 물 사용량이 급증했다는 사실을 발표하며 이러한 갈증이 확인되었다. 이 보고서는 Microsoft의 AI 운영이 가속화되기 시작한 시기를 추적한 것으로, 12개월 동안 약 6,399,415㎥의 물을 사용했으며 이는 전년 대비 약 30% 증

5일 전
·
0개의 댓글
·