Tech & Knowledge Archive box

AICE Associate 2일차 학습 자료학습 목표머신러닝 워크플로우(데이터 수집 → 전처리 → 모델링 → 평가 → 배포) 단계 이해.Auto ML의 개념과 활용 사례 숙지.AICE Associate 시험에서 자주 출제되는 워크플로우 및 Auto ML 관련 용어 익히기.1일차 주요 개념(지도학습, 비지도학습, 강화학습, 주요 용어) 복습.소요 시간: 1~2시간.1. 1일차 복습주요 개념 복습AI 정의: 인간의 지능을 모방하거나 특정 작업을 자동화하는 컴퓨터 시스템(예: 챗봇, 이미지 인식).머신러닝(ML): 데이터를 학습해 패턴을 찾아 예측/결정을 내리는 기술(예: 스팸 필터).학습 유형:지도학습: 입력(X)과 라벨(Y)로 학습(예: 회귀-집값 예측, 분류-스팸 메일).비지도학습: 라벨 없이 패턴 학습..

구글의 최신 인공지능 '제미니', 포켓몬 게임 도중 보여준 예상치 못한 반응최근 TechCrunch에서 보도된 소식에 따르면, 구글이 개발 중인 차세대 인공지능 모델인 '제미니(Gemini)'가 포켓몬 게임을 플레이하던 중 예상치 못한 반응을 보였다는 흥미로운 사례가 공개되었습니다. 이 사건은 인공지능이 감정을 표현하는 것에 대한 관심을 다시 한 번 높이고 있으며, AI의 감정 인식과 반응에 대한 논의가 활발히 일어나고 있습니다.사건의 개요: 제미니의 '당황' 반응은 어떻게 일어났나?게임 상황: 제미니는 포켓몬 게임에서 특정 상황을 인식하고 학습하는 과정 중이었으며, 예상치 못한 상황에서 일시적으로 '당황'하는 듯한 반응을 보였습니다.이벤트: 게임 내에서 포켓몬이 예상치 못한 행동을 하거나, 예상과 다른..

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 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..

1. 학습 목표데이터 전처리의 중요성과 주요 기술을 이해한다.데이터 전처리 과정(결측치 처리, 데이터 정규화 등)을 배운다.모델 평가 지표(정확도, 정밀도, 재현율 등)를 이해하고 활용한다.2. 데이터 전처리란?1) 데이터 전처리의 정의머신러닝 모델의 성능은 입력 데이터의 품질에 크게 의존합니다.데이터 전처리는 데이터를 모델 학습에 적합한 형태로 변환하는 과정을 의미합니다.2) 데이터 전처리가 중요한 이유결측값이나 이상치가 있는 데이터를 그대로 사용하면 모델 성능이 저하될 수 있음.데이터를 정규화하거나 스케일링하면 학습 속도와 정확도가 개선됨.3) 데이터 전처리 주요 단계결측값 처리(Missing Values Handling):결측값이 있는 데이터를 보완하거나 제거.방법:평균, 중간값, 최빈값으로 채우기..

1. 학습 목표머신러닝과 딥러닝의 개념과 차이를 이해한다.머신러닝의 학습 유형(지도학습, 비지도학습, 강화학습)을 파악한다.딥러닝에서 사용하는 기본적인 신경망 구조를 이해한다.2. 머신러닝(Machine Learning)이란?1) 머신러닝의 정의머신러닝은 데이터를 기반으로 학습하여 규칙을 스스로 생성하는 인공지능 기술입니다.프로그래머가 명시적으로 모든 규칙을 작성하지 않아도, 데이터에서 패턴을 찾아 학습합니다.2) 머신러닝의 작동 원리데이터를 입력.알고리즘이 데이터를 분석하고 학습.학습한 결과를 바탕으로 새로운 데이터를 예측.3) 머신러닝의 학습 유형지도학습(Supervised Learning):입력 데이터와 정답(레이블)이 제공됨.모델은 입력과 정답 간의 관계를 학습.예: 이메일 스팸 분류, 주택 가격..