NAIAHD

•Deep learning

•컴퓨터 과학에서 딥러닝은 신경망 알고리즘을 주로 사용하는 머신 러닝의 한 분야라고 말 할 수 있다.

•기술적으로는 인공 신경망이라는 표현이 조금 더 적절할 수 있으나 포괄적인 의미로서 딥 러닝이라고 널리 불리고 있다.

•딥러닝은 뇌의 신경세포의 구조에서 착안하여 고안된 알고리즘을 사용합니다.

20211016

컴퓨터 프로그램이 다양한 데이터의 특성을 학습하고 , 분류하고 , 판별하는 머신러닝 알고리즘의 집합을 말합니ㅏㄷ. 

제프리 힌튼 교수(Geoffrey Hinton)등이 이 용어를 본격적으로 사용했으며, 현재 점점 더 복잡한 구조로 발전하고 있다. 

•출처 : 텐서플로 첫걸음

처음 배우는 인공지능

다중 분류 

•지도학습

•분류

•Multiclass classification

•셋 이상의 클래스로 분류

•붓꽃, 언어 목록

출처 : 파이썬 라이브러리를 활용한 머신러닝

•지도 학습

•분류

•Binary classification

•딱 두개의 클래스로 분류하는

•문장의 질문의 답이 예/아니오만 나올 수 있도록 하는 것이라고 생각할 수 있습니다.

•예/아니오 , 양성/음성

출처 : Introduction to Machine Learning with Python

개념정리에 대해서 8월 29일 추가 하겠습니다.

분류데 대해서 소계해 드리겠습니다. 

•지도학습

•classification

•분류는 미리 정의된, 가능성 있는 여러 클래스 레이블 (class label) 중 하나를 예측하는 것입니다.

예:

•붓꽃을 세 품종 중 하나로 분류

•강아지인지 고양이인지 분류

•스팸인지 아닌지 분류

•양성인지 음성인지 분류

출처 : Introduction to Machine Learning with Python

강화학습 이란?

•Reinforcement Learning

•강화 학습(Reinforcement learning)은 기계 학습의 한 영역이다. 행동심리학에서 영감을 받았으며, 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다. 

기계가 사람처럼 미지의 데이터에도 대응하도록 스스로 학습기를 변화시킬 수 있는 구조가 필요합니다. 

시행착올르 통해 보상을 받아 행동 패턴을 학습하는 과정을 모델화한 것입니다. 

강화 학습이라는 이름은 심리학의 조작적 조건화 에 기반을 두고 자발적인 행동의 빈도를 증가시키는 것을 강화라고 하는 데서 유래했습니다. 

2021130

Agent 에이전트:

게임에 존재하는 개별 상태 기계를 총괄하는 시스템

에이전트는 다른 에이전트와 영향을 주고받으면서 이용자인 플레이어에게 정보와 자극을 줍니다. 

다음과 같은 특정이 있다. 

• 자율성 autonomy

에이전트는 사람이나 다른 사물의 직접적인 간섭없이 스스로 판단해 동작하고 , 행동이나 내부 상태의 제어 권한을 갖습니다. 

• 사회성 social ability 

에이전트는 에이전트 통신 언어를 사용해 사람과 다른 에이전트들 사이에서 상호작용할 수 있습니다. 반응성 reactivity에이전트는 실세계 , 그래픽 사용자 인터페이스를 통해 사용자, 다른 에이전트들의 집합, 인터넷 같은 환경을 인식하고 그 안에서 일어나는 변화에 적절히 반응합니다. 

• 능동성 proactivity 

에이전트는 단순히 환경에 반응해 행동하는 것이 아니라 주도권을 잦고 목표 지향적으로 행동합니다. 

• 시간 연속성 temporal continuity

에이전트는 단순히 한번 주어진 입력을 처리해 결과를 보여주고 종료하는 것이 아닙니다. 에이전트 실행 특히 그라운드에서 잠시 쉬는 데몬 같은 프로세스입니다. 

• 목표 지향성 (goal-orientedness)

에이전트는 복잡한 고수준 작업을 실행합니다. 작업은 더 작은 세부 작업으로 나누며 처리 순서 결정 등의 책임을 에이전트가 집니다.

예: 보드게임

20211223

강화학습은 좋은 정책을 계속 채택하는 것이 목표이므로 "미래에 얻을 수 있는 보상의 기대치를 극대화하는 정책을 결정해 가는 것"으로 말할수 있습니다. 

보상과 가치 함수

할인 누적 보상

상태 가치 함수 

행동 가치 함수 

State

Reward, Penalty

https://ko.wikipedia.org/wiki/%EA%B0%95%ED%99%94_%ED%95%99%EC%8A%B5

출처 : 처음 배우는 인공지능

20210909

20211107

선형회귀 분석

•Linear Regression

•변수들 사이의 관계를 분석하는 데 사용하는 통계학적 방법입니다.

•장점: 알고리즘의 개념이 복잡하지 않고 다양한 문제에 폭 넓게 적용할 수 있다는 것입니다.

•y = W*x + b

•비용 함수 : 평균 제곱 오차 mean square error

단순회귀 : 두 변수 사이의 관계일 경우

다중회귀 : 여러 개의 벼수를 다루는 그룹 변수가 여러개일 때 

단일회귀 분석 : 독립 변수가 1개일 때의 회귀분석

다중회귀 분석 : 독립 변수가 여러개인 경우의 회귀분석  -> 2차원 그래프로 시각화 하기 어렵다. 

이런 경우 2차원 평면상에 점을 찍을 수 있도록 주성분 분석 Principal Component Analysis, PCA 을 사용합니다 

독립변수가 늘면 회귀분석의 결과를 신뢰할 수 없거나 , 답을 구할 수 없는 경우가 발생한다는 문제가 있다. 

다중공선성 문제 Multicollinearity 문제 :

독립 변수들 각각은 선형 독립이어야 한다는 것이 회귀분석의 전제인데 독립변수의 수가 늘면 독립 변수들 사이에 존재하는 상관관계가 개입해 결과에 영향을 주는 것이다. 

20211108,20211109

다항식 회귀

단순회귀를 통해 구한 회귀 식은 선형 함수이므로 독립변수의 차수는 1이었습니다 .

다항식 회귀는 산포도의 점 분포가 곡선 상에 위치하는 느낌을 받을 때 차수를 올려 대응하는 회귀 분석 방법입니다. 

다항식 회귀는 선형 회귀의 한 종류입니다. 

회귀분석할 때는 독립 변수가 가급적 낮은 차수를 갖는 모델을 설계해서 과적합을 피하는 것이 중요하다. 

비용함수 : 평균제곱오차 mean square error

출처 : 텐서플로 첫걸음

통계 기반 머신러닝

§통계를 이용해 문제를 해결하는 방법은 크게 어떤 기준으로 데이터를 나누는 분류와 데이터로 앞으로 필요한 결과를 도출하는 예측을 나눌 수 있습니다.

§통계 기반 머신러닝은 이 분류와 예측을 프로그램화 한 것으로 분류와 예측으로 주어진 데이터를 자동으로 계산해 통계량을 추출합니다.

§추출한 통계량은 구성 요소와 기여도를 사람이 직접 확인하는 등의 추가 분석을 거쳐 통계 모델링을 하면 자동 처리에 이용할 수 있습니다.

출처 : 처음 배우는 인공지능

사고범위 문제

•Frame Problem

•1969년 존 매카시 John McCathy와 패트릭 헤이즈 Patrick John Hayes가 제기한 사고범위 문제가 있습니다. 인공지능은 제한된 범위에서만 정보를 처리하므로 실제 발생하는 문제를 처리할 수 없다는 것이 핵심이며, 이 책을 집필한 현재까지 현실적인 해결책을 얻을 수 없는 어려운 문제로 평가하고 있습니다.

출처 : 처음 배우는 인공지능