머신러닝 study

1. 텐서 플로우 Tensorflow 머신러닝을 위한 가장 권장되는 파이썬 라이브러리 중 하나이다. 자연어 처리, 순환 신경망, 이미지 인식, 심층 신경망 등등 을 처리할 수 있다. 텐서플로우의 중요한 점은 머신러닝 및 AI 프로젝트를 위한 추상화(abstraction)이다. 이 라이브러리를 사용하면 파이썬 개발자들은 AI와 머신러닝을 손쉽게 활용하여 안면 인식, 음성 인식과 같은 기능이 사용되는 응답성 애플리케이션을 만들 수 있다. 2. 넘파이 Numpy 넘파이 는 파이썬에서 개발된 선형 대수이다. 많은 개발자 및 전문가들은 다른 머신러닝 파이썬 라이브러리보다 이를 선호한다. SciPy, Matplotlib, Scikit-learn 등 거의 모든 파이썬 머신러닝 패키지가 넘파이에 소속되어있다. 또한 푸..

1946 최초의 프로그래밍 가능한 컴퓨터 ENIAC (Electronic Numerical Integrator and Computer) 1952 Arthur Samuel은 체커 게임 방법을 배우는 최초의 (machine learning)머신러닝 컴퓨터 프로그램을 개발했습니다. 그의 알고리즘은 경험으로 부터 배우기 위해 발견적 탐색 메모리를 사용하였습니다. 1970 년대 중반까지 그의 프로그램은 인간과 시합하여 이기고 있었습니다. 1956 Dartmouth 워크샵에서 Marvin Minsky, John McCarthy, Claude Shannon, Nathan Rochester가 (AI)“Artificial Intelligence (인공지능)”이라는 용어를 만들었습니다. 1958 Frank Rosenbla..

로지스틱 회귀(Logistic Regression) 로지스틱 회귀(Logistic Regression)는 분류기법중의 하나로 다른특징을 가진 데이터를 서로 분류하는데에 많이 사용되는 알고리즘이다. Logistic Regression은 뉴럴네트워크의 구조와 딥러닝을 이해하는데에 기초가 되는 내용이므로 굉장히 중요한 내용이다. Logistic Regression을 간단한 예시를 들어보겠다. 우리가 자격증 시험을 치르면 Pass/Fail같이 2가지 케이스로 나뉘어 질수있다 이것이 바로 Logistic Regression의 핵심이다. 데이터를 위 그림과 같이 2차원 공간에 나타내면 데이터가 파란색,빨간색으로 나누어집니다. 로지스틱 회귀(Logistic Regression)을 하기위해서는 [0,1]처럼 2가지의 ..

Linear Regression(선형회귀)의 원리 Linear Regression을 한마디로 애기하자면 "데이터를 가장 잘 대변하는 직선의 방정식을 찾는것"이라고 요약할수있습다. 위의 그림에서 무작위로 분포되어있는 파란색의 점들은 데이터를 나타냅니다. "이 데이터의 전체를 가장잘 대변하도록 직선을 긋는다면 직선은 어떤 모습이 될까"가 Linear Regression의 핵심입니다. 직선의 방정식은 y = ax +b 이렇게 표현할수있습니다. 여기서 a는 위 빨간선의 기울기라 할수있고 b는 y절편이 됩니다. 즉 선형회귀(Linear Regression)는 데이터를 가장 잘 대변해줄수있는 직선 방정식(y = ax +b )의 a(기울기) 와 b(y절편)을 구하는 것이라고 말할수있습니다. 이번엔 선형회귀(Linea..

AI 기술의 미래--개인적인 의견 벌써 알파고가 이세돌을 이겼을때가 2016년 3월 이다. 하지만 더 큰 사건이 있었다. 1997년 IBM은 딥 블루(Deep Blue)를 개발해 그 당시 16년 동안 체스 세계 챔피언이던 러시아계 체스 선수 Gary Kasparov 에게서를 승리하는 사건이 있었다. 이와 같이 ai는 무서운 속도로 성장하고있다. 이러한 사회 분위기 때문에 사람들은 ai가 우리의 일자리를 뺴았고 가끔 몇몇사람들은 인 류가 인공지능에 지배될거라는 생각을 하는거 같다. 현재는 ai에게많은 일자리를 빼았길수있어도 그만큼 우리에게 수많은 일자리들이 생겨날것이다. 그리고 이를 통해 인류는 더 발전할것이다. ai는 인간이 잘하는것을 가장 잘한다. 무언가를 배우는 일 말이다, 우리가 12년동안 준비해야..

머신 러닝(machine learning)(기계 학습) 위 그림과 같이 머신러닝은 인공 지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 예를 들어 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다. 1959년, Arthur Lee Samuel은 기계 학습을 “컴퓨터에게 배울 수 있는 능력, 즉 코드로 정의하지 않은 동작을 실행하는 능력에 대한 연구 분야”라고 정의하였다. 머신러닝은 명시적으로 프로그래밍하는 것이 아니라 과거의 데이터로부터의 학습을 통해 작업을 수행하는 방법을 컴퓨터에 가르치는 것이다. 머신러닝의 유형 머신러러닝은 아래와 같이 크게 3종류로 나눌수있다 지도학습 (Supervised Learning): 정답/오..