공대생 도전 일지

행렬 합 - 동일 크기!(파이썬 넘파이에선 달라도 해주는 경우가 있다.) 행렬 * 스칼라 = 그냥 곱해주면 된다! 중간에 오타가 있네요 (3 x 2) ( 2 x 1) = (3 x 1)입니다. 행렬 곱은 보통 교환이 불가능하거나 결과가 다르다. Identity Matrix - 단위 행렬 단위행렬을 곱해주면 항상 본인이 나온다! 역행렬 - Matrix Inverse - 항상 존재하는 것은 아니다.

백터 - 숫자들의 열 메틀랩에서 1 인덱스를 사용하고 대부분은 0 인덱스를 사용한다. 내적 - 결과가 스칼라 값이다. vector Norm - 벡터의 크기 Matrix Transpose - 행렬 전치 대칭행렬 = Symmetric Matrix = 행렬이 대칭을 이룬다. DET = 행렬의 크기 ?

지도학습에서 분류할 때 라벨링이 된 데이터가 필요하다. 그리고 올바른 답을 찾는 일을 한다. 비지도 학습 데이터의 구조 - 데이터가 어떤 유사성을 가지는지, 몇개의 그룹이 있는지 데이터에 대한 라벨이 없으므로 올바른 정답이 주어지지 않는다. -> 데이터 내에 유사성을 찾아낸다. 지도와 비지도 구분 비지도 학습의 예 - 유튜브 친밀도 또한 클러스터링을 통해 알 수 있다. 섞여진 신호에서 내가 원하는 신호만 골라내는 것 각자 마이크는 그 사람의 목소리만 들어간다.

가장 일반적인 형태의 학습이다. Regression 여기서 115마력의 차량의 값은? -> 데이터를 잘 나타낼 수 있는 직선으로 나타낼 수 있다. 그 직선에서 115지점에서의 가격을 구할 수 있다. 2차원 선형 회귀를 통한 가격 예측하기 선형회귀 분석 - 라벨링이 되어있는 데이터를 통해 우리가 예측하는 수를 찾는 방식 우리는 마력에 따른 가격을 알기 때문에 라벨링이 있는 데이터를 가지고 있는 것으로 지도학습이다. 여기서 올바른 답 - 자동차 가격 Classification 이진 분류(0,1), 다중 분류(0,1,2,,,,,,,n) 이 데이터를 보고 37.9도의 체온이 양성일지 음성일지 판단할 수 있다. 주어진 데이터를 이용하여 예측함수를 찾아내고, 그 예측함를 이용하여 주어진 입력에 대한 결과를 예측해보..

유튜브, 멜론과 같은 어플에서 취향에 맞는 음악/ 영상을 추천해준다. 인공지능 - 컴퓨터 시스템으로 인간의 지능으로 해결할 수 있는 문제를 푸는 것 인간 지능의 고유한 영역을 컴퓨터에 부여하는 것이다. 머신러닝이란? 인공지능의 한 분야 컴퓨터 알고리즘이 경험으로부터 자동으로 학습하고, 성능을 향상 데이터와 알고리즘 사용에 집중하여 예시로 부터 학습하고, 정확도를 높인다. 명확하게 프로그래밍하지 않아도 문제 해결을 위한 능력을 가지는 것. 인간을 상대로 게임을 진행하는 인공지능은 많았다. 딥블루, 알파고 등등 딥러닝 정의 일 T와 성능지표 P로부터 경험 E를 통해 학습한다. 경험으로부터 학습한다! 이 세가지 요소를 두고 '머신러닝이란?, 학습이란?' 을 잘 설명해주고 있다. adaptive System 오..

코퍼스 = 데이터셋 전체를 이르는 말 오차(loss)를 줄이는 방향으로 지속적으로 학습한다. 생성형 ai에 대한 학습은? 파인 튜닝 - GPT에 헬스케어나 특정 전문 분야를 학습시키는 것

번역도 생성이긴 했지만 더 발전된 내용이라고 볼 수 있다. 마르코프 - 러시아의 수학자, 체인에 의한 확률적인 문제 풀이 RNN - 영상에서 CNN이 있다면 자연어 처리에는 RNN이 있다! Transformer - 자연어 처리에서의 최고봉 RNN과 LSTM은 결국 정보 손실의 문제가 있다. 바드도 이름이 변경 된 것으로 알고 있긴 한데 기억이 안나네요 영상쪽에선 Transformer과 같은 혁신적인 것이 나오지 않는다. Discriminator에서 No로 판별되면 Generator에서 학습이 된다. Yes라면 그대로 간다. Generator는 Yes가 많이 나오도록 된다. Discriminator는 판별을 정확하게 하도록 학습

Cognitive AI - 인지 인공지능 알렉사 같은 건 생성이 아닌가....? 데이터 마이닝 - 추론분야 전통적인 검색은 다운되고 있고, 생성형 인공지능이 많이 사용되고 있다. 자율주행 드론도 현재는 GPS로만 운행되고 있지만 센서를 통한 운행으로 변경을 준비하고 있다. 인지 인공지능 - 인식 네트워크 구조에서 디코더에 해당하는 것이 생성형 인공지능이다!

오토 인코더가 좀 더 쉽게 시작할 것 같은데 GPT는 구조가 어려워서..... 요즘 영상이랑 음악도 어마무시하게 발전하고 있더라구요..... GAN - CNN을 연결하여 만든 네트워크 Autoencoder - 인코더 + 디코더 = 생성 GAN : 인코더의 피드백을 통한(? 판별) 원하는 영상 제작 VAE : 노이즈를 제거, 특성 변환 Flow based Models : ? Diffusion Models : 가장 정밀한 모델이다. 보안에서 결국엔 GPT도 인터넷에서 모아온 데이터로 학습하는건데 정보의 접근성이 쉬워져서 문제가 된다는 건가...?

생성형 인공지능 = Generative AI LLM이전에는 그렇게 모델이 크지 않았다. LLM이후로 서비스의 폭이 늘어났다. GPT = Generative Pre-trained Transformer GPT 전 모델은 BERT (Bidirectional Encorder Representations from Transformers) 사용자 query(텍스트)를 기반으로 텍스트 응답을 형성 지금의 GPT3.5는 Query에 따라 사전적인 방식으로 대답을 한다. 인코더 - 외부의 글자를 코딩한다. 학습을 할 때만 사용한다. 디코더 - 인코더 된 정보를 통해 생성한다. Masked MSA- 가린뒤 맞추는 방식. 파인 튜닝이 중요하다! 미세조정을 통해 많은 상업적인 결과의 차이도 보고 있다. 이 한계를 극복하기 위..