공대생 도전 일지

딥러닝도 전처리는 인간이 할 수 있다. 컴퓨팅 파워만 좋으면 딥러닝이 좋다. 여기서 특성 추출은 사람이 만든 알고리즘이든 사람이 직접 추출하는 feature이다. 성능이 잘 나오지 않으면 데이터 문제인 경우도 있다. 훈련용 테스터용 나눠놓은 것도 가변적이다. 훈련용 데이터가 너무 적으면 훈련용 데이터를 늘려도 된다. 검증 데이터셋 - validation data set = 학습이 잘 되었는지 확인하는 용도이다. 배치 크기 : weight 업데이트 주기 에폭 : 데이터를 몇번 반복하냐 이미지 인식으로 segmentation도 있고 Box를 치는 방식도 있다. 2023.12.15 - [인공지능/공부] - 물체의 위치까지 구분하는 인공지능 -segmentation, odject detection 물체의 위치까..

머신러닝 - 기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구분야 즉 머신러닝 != 규칙 기반 인공지능 과거의 경험으로부터 새로운 지식을 배우는 것과 유사하다. 컴퓨터 성능이 향상되며 인공지능도 업그레이드 되었다. 머신러닝 역사 사람 - 경험으로부터 학습한다 == 컴퓨터 - 데이터를 통한 학습 빅데이터를 활용하면 더 복잡한 문제를 풀수있는 컴퓨터를 만들 수 있다. 무인 자동차, 기계번역, 컴퓨터 비전 등 == 지능형 서비스 인공지능과 머신러닝 (경험 == 데이터) 규칙 기반 시스템은 AI이지만 ML은 아니다. 사람이 전부 규칙을 만들었다. Classical ML = 사람이 데이터에서 특징을 추출한다. -> 그 후 컴퓨터가 구분한다. Non-A..