Trend & Knowledge Archive box

1. 학습 목표벡터(Vector)와 행렬(Matrix)의 개념을 이해한다.선형 방정식과 행렬 연산의 기본을 익힌다.선형 회귀에서 행렬을 활용하는 방법을 학습한다.2. 벡터(Vector)와 행렬(Matrix) 개념(1) 벡터(Vector)란?여러 개의 숫자를 한 줄로 나열한 것(2) 벡터 연산3. 행렬(Matrix) 개념(1) 행렬이란?숫자를 직사각형 형태로 배열한 것4. 행렬 곱셈(Matrix Multiplication)(1) 두 행렬의 곱셈두 행렬 A, B의 곱은 첫 번째 행렬의 행과 두 번째 행렬의 열을 곱한 값의 합으로 계산5. 역행렬(Inverse Matrix)과 선형 방정식(1) 역행렬의 개념6. 학습 마무리 & 연습 문제✅ 오늘 배운 내용 정리벡터와 행렬의 개념 및 연산행렬 곱셈의 원리역행렬을..

1. 학습 목표함수(Function)와 기울기(Slope)의 개념을 이해한다.데이터의 관계를 수식으로 표현하는 방법을 익힌다.직선 방정식을 활용하여 X와 Y의 관계를 파악한다.2. 함수(Function) 개념(1) 함수란?하나의 입력(X)에 대해 하나의 출력(Y)이 정해지는 규칙함수의 일반적인 형태:선형 회귀에서 다루는 1차 함수(Linear Function)(2) 함수 예제 X (공부 시간) Y (시험 점수)150255365470580위 데이터를 그래프로 나타내면 직선 형태가 보일 것임.이를 함수로 표현하면:✅ 연습 문제: 다음 데이터에서 함수 식을 구하세요.XY1326394123. 기울기(Slope)란?(1) 기울기의 정의기울기(Slope)는 X가 변할 때 Y가 얼마나 변하는지 나타냄기울기 공식:(2..

선형회기를 공부하려다 보니... 이미 수학에서 손을 땐지가 오래된지라.. 선형회기 학습에 어려움을 느껴사전 학습 플랜을 설정 했다. 📌 6일 코스: 선형 회귀 사전 학습 플랜✅ 목표: 선형 회귀를 이해하기 위해 필요한 기초 개념 학습✅ 학습 시간: 하루 30분~1시간✅ 학습 방식: 개념 설명 + 연습 문제 + 간단한 코드 실습🔷 Day 1: 함수(Function)와 기울기(Slope) 이해하기🎯 학습 목표: 함수 개념과 기울기(변화율)를 이해하고, 데이터의 관계를 수식으로 표현하는 법을 익힌다.1. 함수 개념 복습1차 함수: y=ax+by = ax + by=ax+bX(독립변수)와 Y(종속변수)의 관계2. 기울기(Slope)의 의미기울기 aaa 가 양수/음수일 때 변화기울기가 크면 그래프가 가파름✏️..

학습 목표선형 회귀 알고리즘의 개념과 원리를 이해한다.단순 선형 회귀와 다중 선형 회귀의 차이를 학습한다.Python을 사용하여 선형 회귀를 구현하고 결과를 분석한다.1. 선형 회귀란 무엇인가?**선형 회귀 (Linear Regression)**는 입력 변수와 출력 변수 사이의 관계를 직선으로 표현하여 예측하는 알고리즘입니다.1.1. 특징:연속형 데이터를 예측하는 데 사용됩니다.데이터를 가장 잘 설명하는 직선을 찾습니다.공식:단순 선형 회귀: : 출력 (예측값): 입력 (독립 변수): 기울기 (slope): 절편 (intercept)다중 선형 회귀: 1.2. 사용 사례:집값 예측 (면적에 따른 가격)광고비에 따른 매출 예측학생 공부 시간에 따른 시험 점수 예측2. 선형 회귀의 동작 원리가설 설정: 형태의..

학습 목표AI의 주요 응용 분야를 이해한다.다양한 산업에서 AI가 어떤 역할을 하는지 살펴본다.AI 응용 사례를 바탕으로 새로운 아이디어를 떠올린다.1. AI의 주요 응용 분야AI는 여러 산업에서 혁신을 일으키고 있습니다. 대표적인 분야는 다음과 같습니다:1.1. 의료 (Healthcare)질병 진단: AI는 의료 영상 분석을 통해 암, 심장 질환 등을 조기 진단합니다.신약 개발: 신약 후보 물질을 빠르게 찾고 임상시험을 최적화합니다.가상 간호사: 환자의 질문에 답변하고 약 복용을 모니터링합니다.1.2. 금융 (Finance)사기 탐지: 비정상적인 거래를 탐지하여 금융 사기를 예방합니다.투자 추천: 과거 데이터를 분석하여 투자 결정을 돕습니다.신용 평가: 대출 신청자의 신용도를 AI로 평가합니다.1.3...

학습 목표머신러닝의 개념과 작동 원리를 이해한다.지도학습, 비지도학습, 강화학습의 차이를 학습한다.머신러닝의 기본 워크플로우를 익힌다.1. 머신러닝의 정의**머신러닝 (Machine Learning)**은 데이터를 활용하여 컴퓨터가 스스로 학습하고 예측하거나 결정을 내릴 수 있도록 하는 기술입니다.머신러닝의 특징:데이터 기반 학습명시적인 프로그래밍 없이도 패턴을 학습성능 개선 가능2. 머신러닝의 유형지도학습 (Supervised Learning):입력 데이터와 출력 데이터가 명확히 주어진 상태에서 학습.예: 이메일 스팸 필터링 (스팸 여부 라벨 제공).비지도학습 (Unsupervised Learning):출력 데이터 없이 입력 데이터의 패턴을 학습.예: 고객 군집화 (고객 데이터의 유사성 분석).강화학습..

학습 목표AI(인공지능)의 기본 개념 이해하기머신러닝과 딥러닝의 차이점 파악하기AI의 주요 활용 사례 알아보기1. AI의 정의AI(Artificial Intelligence)는 기계가 인간처럼 사고하고 학습하며 문제를 해결할 수 있도록 만드는 기술입니다. AI는 컴퓨터가 스스로 데이터를 분석하고, 패턴을 학습하며, 결정을 내릴 수 있게 합니다.주요 특징지능적 행동: 데이터를 바탕으로 결정을 내림학습 가능: 새로운 데이터를 통해 성능 개선적응성: 환경 변화에 따라 반응2. AI의 구성 요소AI는 다양한 하위 분야로 구성됩니다. 그중 두 가지 핵심 개념은 다음과 같습니다:2.1 머신러닝 (Machine Learning)데이터에서 자동으로 패턴을 학습하고 이를 기반으로 예측하는 기술.예: 스팸 메일 필터링, ..

기존 3개월 짜리 학습을 하며 Daily로 산출한 학습 자료가 커리큘럼에 맞지 않는것 같아 새로 산출하여 진행 하려 고 새로 뽑음.아.... 일단 7일차까지는 쭉 뽑아서 한번에 하고.. 8일차를 내일부터 해야겠네.. ㅠㅜ일단 하루 30분씩 공부할 커리큘럼 작성.'열심히 해보자. 1개월 차: AI 기초 및 Python 프로그래밍1주차: AI 기본 개념Day 1: AI란 무엇인가? (AI, 머신러닝, 딥러닝 개념 정리)Day 2: 머신러닝의 작동 원리 (데이터, 학습, 예측)Day 3: AI의 주요 활용 사례 살펴보기Day 4: AI 학습에 필요한 기초 수학 (기초 선형대수와 확률)Day 5: Python 개요 및 설치하기Day 6: Python 기본 문법 (변수, 데이터 타입)Day 7: 복습 및 퀴즈2주..

1. 학습 목표모델 튜닝의 개념과 중요성을 이해한다.하이퍼파라미터와 학습 파라미터의 차이를 구분한다.그리드 서치(Grid Search)와 랜덤 서치(Random Search) 같은 최적화 기법을 실습한다.2. 모델 튜닝이란?1) 모델 튜닝의 정의모델 튜닝은 머신러닝 및 딥러닝 모델의 성능을 향상시키기 위해 하이퍼파라미터를 조정하는 과정입니다.모델의 구조와 학습 과정을 최적화해 더 나은 예측 성능을 제공합니다.2) 모델 튜닝의 중요성모델의 하이퍼파라미터는 성능에 큰 영향을 미칩니다.올바른 하이퍼파라미터 설정은 과적합(Overfitting)과 과소적합(Underfitting)을 방지하고 일반화 성능을 향상시킵니다.3. 하이퍼파라미터와 학습 파라미터1) 학습 파라미터학습 중에 모델이 자동으로 학습하는 값.예:..

1. 학습 목표딥러닝의 기본 구조(입력층, 은닉층, 출력층)를 이해한다.신경망 학습의 과정(순전파, 손실 계산, 역전파)을 학습한다.Python을 사용해 간단한 신경망 모델을 구현한다.2. 딥러닝이란?1) 정의딥러닝은 머신러닝의 한 분야로, **인공 신경망(Artificial Neural Network)**을 사용해 데이터를 학습합니다.다층 구조를 통해 데이터를 처리하며, 복잡한 패턴을 학습할 수 있습니다.2) 딥러닝의 특징자동 특징 추출:사람이 데이터를 분석해 특징을 추출할 필요 없이, 신경망이 학습 과정에서 특징을 자동으로 추출.대량의 데이터 처리:딥러닝은 대량의 데이터를 학습하며, 데이터가 많을수록 성능이 좋아짐.비선형 관계 학습:단순한 선형 관계를 넘어 복잡한 데이터 간의 관계를 학습 가능.3. ..