공대생 도전 일지

1주차 - 교과목 개요 1차시 - 교과목 소개 IoT = 사물인터넷 = 인터넷에 연결되어 데이터를 공유할 수 있는 사물 = 연결성이 좋다. = 데이터를 계속 생산한다.IoE = 만물인터넷 = 연결 가능한 모든 것이 인터넷에 연결되는 것 (사람, 사물, 데이터, 프로세스 등) = 데이터를 엄청나게 생산 클라우딩 컴퓨팅 기술로 적은 리소스로도 대규모 머신러닝 사용 가능 엣지 컴퓨팅 - 실시간 빅데이터 처리에 효과적, 분산 컴퓨팅 페러다임 중 하나  2차시 - 인공지능의 역사 1차 산업 혁명 : 증기기관, 기계화2차 산업 혁명 : 전기 에너지 산업화 3차 산업 혁명 : 컴퓨터, 인터넷 정보화4차 산업 혁명 : 인공지능, 빅데이터, 초연결 지능화연도구분주요 내용기타1943 ~ 1956준비기맥걸럭과 피츠앨런튜링프..

다음 중에서 지도 학습 알고리즘을 가장 적절하게 사용할 수 있는 응용 예는 무엇인가?하나를 선택하세요.1. 어떤 소비자가 구매한 물품에 대한 기록을 이용하여, 그 소비자가 함께 구매할 가능성이 높은 물품들에 대한 패턴을 발견하고자 함2. 어느 회사의 최근 5년간 주식 가격 데이터를 이용하여 내년 특정한 시기에 그 주식의 가격이 얼마가 될지 예측하고자 함 정 답피드백지도 학습이란 정답이 주어진 학습데이터를 이용하여 컴퓨터가 주어진 입력에 대한 올바른 결과를 예측하도록 학습하는 과정입니다.과거 데이터를 학습하여 미래의 값을 예측하는 문제는 지도 학습 알고리즘을 효과적으로 사용할 수 있는 응용문제 중 하나 입니다.정답 : 어느 회사의 최근 5년간 주식 가격 데이터를 이용하여 내년 특정한 시기에 그 주식의 가격..

정리내용을 GPT에 던지고 다듬은 글입니다.2024.06.09 - [인공지능/공부] - 모두를 위한 머신러닝 1 ~ 7주차 정리 모두를 위한 머신러닝 1 ~ 7주차 정리1주 차 1차시 - 머신러닝이란?머신러닝이란 == 이전의 경험이나 사례를 바탕으로 새로운 패턴을 예측한다.인공지능 == 컴퓨터 시스템으로 인간의 지능으로 해결할 수 있는 문제를 푼다.시각 인지yoonschallenge.tistory.com2024.06.10 - [인공지능/공부] - 모두를 위한 머신러닝 9 ~ 14주차 정리 모두를 위한 머신러닝 9 ~ 14주차 정리9주 차 1차시 - 예측 함수 성능 평가Cost function은 실제 출력(예측 값), Label,  regularization으로 이루어져 있다.테스트 데이터는 학습에 사용되..

빠르게 후딱후딱 넘어가겠씁니다.자세한건 여기서...2024.04.22 - [인공지능/공부] - 딥러닝개론 정리 1 - 머신러닝, 딥러닝, backpropagation, 잡음 주입, 정규화, 규제화 딥러닝개론 정리 1 - 머신러닝, 딥러닝, backpropagation, 잡음 주입, 정규화, 규제화인공지능 - 인간의 지능을 모방하여 사람이 하는 일을 기계가 할 수 있도록 하는 기술 머신러닝 - 데이터의 특징을 스스로 판별하지 못한다. 딥러닝 - 데이터의 특징을 스스로 분석하여 답을 찾yoonschallenge.tistory.com2024.04.22 - [인공지능/공부] - 딥러닝개론 정리 2 - Convolution, CNN, 합성곱 딥러닝개론 정리 2 - Convolution, CNN, 합성곱공간 데이터..

스타일 전송(Style Transfer) 기술의 주요 목적은 무엇입니까?하나를 선택하세요.a. 이미지의 대비와 색상 조정b. 한 이미지의 스타일을 다른 이미지에 적용하여 새로운 이미지 생성c. 이미지의 크기 조정d. 이미지의 해상도 향상이건 b네요 화풍을 입히기도 했으니스타일 전송(Style Transfer) 기술의 주요 목적은 무엇입니까?정답은:b. 한 이미지의 스타일을 다른 이미지에 적용하여 새로운 이미지 생성이유:스타일 전송(Style Transfer)은 컴퓨터 비전 및 딥러닝 기술을 사용하여 한 이미지의 스타일(색상, 질감, 패턴 등)을 다른 이미지의 내용(content)에 적용하여 새로운 이미지를 생성하는 기술입니다. 예를 들어, 유명 화가의 그림 스타일을 사용하여 사진을 해당 화가의 그림처럼 ..

11주 차 - 언어 기반 영상 생성1차시 -  언어 기반 영상 생성 구조언어 명령 기반 영상 생성용 트렌스포머 아키텍쳐언어 처리 부분 - Language Encoder시각 정보 처리 부분 -Visual Encoder트렌스포머 인코더 - Encoding Visual and Language Informatoin트렌스포머 디코더 - Deoder for Image Generation영상 생성 및 손실 함수 - Optimization and Loss Function언어 명령 기반 영상 생성용 트렌스포머 모델 - 영상 생성과 언어 명령을 결합한 트랜스포머 모델시각 및 언어 정보를 효과적으로 결합하여 영상을 생성 및 조잧언어 처리 부분은 input을 임베딩하고, 이를 transforemr encoder layer에 ..