미래기술연구소

신경망을 깊게 쌓을수록 학습의 정보가 아래 층까지 전달되지 않는 문제가 발생한다

과목 및 내용 필기 필기 과목명 주요항목 세부항목 세세항목 빅데이터 분석 기획 빅데이터의 이해 빅데이터 개요 및 활용 빅데이터의 특징 빅데이터의 가치 데이터 산업의 이해 빅데이터 조직 및 인력 빅테이터 기술 및 제도 빅데이터 플랫폼 빅데이터와 인공지능 개인정보 법·제도 개인정보 활용 데이터분석 계획 분석방안수립 분석 로드맵 설정 분석 문제 정의 데이터 분석 방안 분석 작업 계획 데이터 확보 계획 분석 절차 및 작업 계획 데이터 수집 및 저장 계획 데이터 수집 및 전환 데이터 수집 데이터 유형 및 속성 파악 데이터 변환 데이터 비식별화 데이터 품질 검증 데이터 적재 및 저장 데이터 적재 데이터 저장 빅데이터 탐색 데이터 전처리 데이터 정제 데이터 정제 데이터 결측값 처리 데이터 이상값 처리 분석 변수 처리..

클라이언트 - 사용자 ( 크롬, 파이어폭스 , 사파리 ) GET POST HyperText Transfer Protocol HyperText란 하이퍼링크를 통해 다른 문서로 접근할 수 있는 텍스트다. HTML이란 HyperText Markup Language로 하이퍼텍스트 마크업 언어로 웹 페이지에서 하이퍼텍스트, 이미지, 영상 등을 표현하기 위해 사용된다. 마크업 언어란 태그 등을 이용하여 문서나 데이터의 구조를 명기하는 언어다. (XML, HTML...) HTTP란 WWW 상에서 컴퓨터끼리 정보를 주고받을 수 있는 프로토콜로 주로 HTML을 주고받는다. TCP와 UDP를 사용하며 80번 포트를 사용한다. HTTPS란 HTTP에 Secure가 붙은것으로 HTTP의 보안이 강화된 버전이다. 소켓 통신에서..

종속변수가 2개인 경우퍼셉트론 병렬로 연결

ASUS 노트북을 사고 원인 모를 프리징 현상으로 한동안 스트레스가 최대치를 넘어섰다 서비스센터에 일주일동안 체류시키면서도 해결책을 찾지 못했고 나는 스스로 해결하기 위해 온갖 정보를 서치하기 시작했다 다만 이 방법은 완전한 해결 방안은 아니나 분명 매우 큰 확율로 프리징 현상을 고칠 수 있다. 1. 마우스 마우스 프리징 발생 요인은 아래와 같다. 구 분 유선 마우스 무선 마우스 마우스 센서 O O Windows 10 전력 설정 O O 채널 간섭 X O 드라이버 O O USB Port O O 무선 마우스 배터리 / 동글 X O HUB O O 마우스 센서 문제 MB(마더보드) USB 칩셋 드라이버 업데이트 마우스 내장 센서의 문제 ( 이 문제는 해당 마우스 AS검증 ) MB(마더보드)가 최신 드라이버가 아..

어떤 태스크를 투입이 있을 때 적절한 산출을 하는 것으로 정의하면, 그 태스크를 수행하는 블랙박스로서 이해하면 편합니다. 블랙박스는 학습 데이터를 통해 어떤 투입에 대해서 어떤 산출을 해야하는지 학습하게 됩니다. 그렇다면 어떻게 기계학습을 구현할 수 있을까요? 우선 기계학습이 학습 방식에 따라 크게 세 가지로 분류된다는 것을 알아야 합니다. Supervised Learning Reinforcement Learning Unsupervised Learning

기계학습과 관련하여 몇 가지 실용적인 이슈들에 대해서 다뤄보려고 합니다. 학습률 (Learning Rate) 출처: https://hunkim.github.io/ml/ 경사 하강법에서 경사를 따라 움직이는 정도를 학습률이라고 합니다. 학습률을 작게 잡으면 학습이 너무 오래걸리는 문제가 발생하고, 크게 잡으면 극소점을 지나쳐갈 수 있습니다 (overshooting). 학습률을 적절하게 설정해야 합니다. Normalization 표준화는 데이터를 전처리 할 때 굉장히 많이 쓰이는 기법입니다. 나중에 배치 정규화 (Batch Normalization)에서 더 자세히 다룰 것입니다. Bias-Variance Tradeoff and Overfitting 출처: https://hunkim.github.io/ml/ ..

Image Classification 컴퓨터 비젼 (Computer Vision) 분야의 대표적인 태스크 중 하나인 사진 분류를 통해 지도학습이 어떻게 이루어지는지 살펴보겠습니다. 사진 분류 태스크는 다음과 같은 과정들을 포함하고 있습니다. • 투입 및 산출 (Input and output): 투입은 N개의 이미지로 구성되며 K개의 물체 분류 중 하나로 산출의 답이 정해져있습니다. 이 데이터들을 훈련 집합 (training set)이라고 부릅니다. • 학습 (Learning): 훈련 집합을 통해, 태스크에서 물체 분류를 잘 수행할 수 있도록 학습이 이루어집니다. 이것을 분류기 (classifier)를 훈련한다 혹은 모델 (model)을 학습한다고 지칭합니다. • 평가 (Evaluation): 마지막으로 ..

선형 회귀와 로지스틱 회귀는 가장 기본적인 기계학습 기법입니다. 선형 회귀 (Linear Regression) 선형 회귀는 선형의 데이터가 들어왔을 때, 어떤 투입 값이 들어오면 그 투입 값에 해당하는 산출 값을 예상하는 태스크입니다. 먼저, 모델이라고 볼 수 있는 가설 (Hypothesis)를 세웁니다. 선형 회귀의 경우는 가설이 선형식으로 이루어집니다. 일변수 일차원 선형 회귀를 생각해보겠습니다. 투입 값을 x, 산출 값을 y라고 하면 가설 H(x)는 다음과 같습니다. 통계학적으로 적절한 W, b를 추정하는 방식이 있지만 기계학습에서는 ‘학습’을 통해 가설의 적절한 매개변수 값들을 찾아나가게 됩니다. 그러기 위해서는 가설로 예상한 값과 실제 값의 차이를 계산하는 비용함수 (Cost Function)이..