본문 바로가기
반응형

인공지능

 (5)
1. 처음부터 시작하는 머신러닝과 딥러닝: 입문자를 위한 완벽 가이드 영어 공부를 하면서 그동안 놓고 있었던, 머신러닝, 인공지능 공부를 다시 시작하려고 한다. 처음부터 천천히 다시 시작해보자. 머신러닝이란?어떤 작업 T에 대해 컴퓨터 프로그램의 성능을 P로 측정했을 때 경험 E로 성능 P가 향상됬다면, 컴퓨터는 경험 E를 통해 학습한 것이라고 한다. - 톰 미첼 머신러닝을 사용하는 이유?전통적인 프로그래밍 기법을 사용해서 스팸 필터를 만든다고 했을 때, 스팸 메일에서 나타나는 공통적인 단어들을 알고리즘으로 작성해 이를 스팸메일로 분류할 수 있는데, 이런식으로 공통적인 단어들을 모두 찾아 작성하기에는 한계가 있다, 반면에 머신러닝 기법을 사용한다면? 알고리즘을 컴퓨터가 직접 학습해 최적의 기준을 만들어 스팸메일을 자동으로 구분하기 때문에, 유지보수에 있어 편하고, 성능 또..
경영공부를 시작해볼까? 경영이란?경영 (Management)기업의 목표를 달성하기 위하여 기업이 보유하고 있는 다양한 자원의 투입과 산출을 PDCA 관점(계획, 실행, 점검, 개선)에서 의사결정하고 설계하는 복합적인 관리 활동을 말한다.경영은 조직이 처하고 있는 환경에 대응하여 한정된 자원을 계획, 조직, 리드, 통제하여 조직의 목표를 효율성과 효과성의 균형을 고려하면서 달성하는 과정이다.다른 사람을 통해 일을 이루어가는 것한국, 일본, 중국 등 동양에서는 기업의 상위 활동과 하위 활동을 구분하여, 전략 수립이 주가 되는 상위 경영활동을 -> 경영, 전략을 구체적으로 실천하는 하위 부서의 경영활동을 -> 관리라고 하는 경향이 있습니다.조직, 기업, 사업을 운영하는 것을 가리킨다.경영의 주요 개념자원 관리 : 경영에서 제한된 자..
텐서플로우를 이용해 MNIST 패션 분류 모델 만들기 텐서플로우 라이브러리를 이용해 MNIST 패션 분류 인공지능 모델을 만들어보겠습니다. Model and Training Result Functions, Modules Name 기능? keras.models.Sequential 가장 간단한 케라스의 신경망 모델 keras.layers.Flatten 입력값을 1D 배열로 반환함. keras.layers.Dense 완전 연결 계층 summary() 모델의 요약을 보여줌. layers 인자 모델의 계층을 보여줌. get_weights() 계층의 가중치 값을 출력해준다. compile() 모델의 훈련 파라미터 설정 fit() 모델을 데이터로 훈련 evaluate() 테스트 데이터로 모델 평가하기 predict() 모델로 예측 값 만들기 codes Version C..
LLM을 이용한 의미 기반 검색을 해보자! AI 회사들이 제공하는 가장 다양하게 활용 가능한 솔루션 중 하나는 강력한 LLM을 기반으로 "텍스트 임베딩"을 생성하는 기능입니다. 텍스트 임베딩 단어나 구문을 그들의 맥락적 의미를 기반으로 다차원 공간에서 기계가 읽을 수 있는 수치 벡터로 표현하는 방법을 말한다. 만약 두 구문이 유사하다면, 그 구문들을 나타내는 벡터들도 유클리드 거리와 같은 측정치로 볼 때 서로 가까워야 하며, 그 반대의 경우도 마찬가지입니다. 유클리드 거리 두 점 사이의 거리를 계산할 때 흔히 쓰는 방법. 텍스트 임베딩을 잘 이용하면 언어 사용에 관한 풍부한 정보를 활용하여 LLM의 사전 훈련과 파인튜닝이 기반이 되는 애플리케이션을 무한하게 구축할 수 있다. LLM을 사용한 의미 기반 검색을 소개 정보 검색과 분석을 위한 강력한 ..
객체인식 (object detection) 성능 지표 성능지표에 관해. 목차 1. IOU (Intersection Over Union) 2. Precision, Recall 3. Precision-Recall Curve (P-R Curve) 4. Average Precision (AP) 5. mAP (mean Average Performance) 1. IOU 객체 검출의 정확도를 평가하는 지표로 0~1 사이의 값을 갖는다. 실제 객체 위치 (gournd truth) 와 예측한 박스(prediction) 두 box의 중복되는 영역에 따라 평가하는 방식으로 겹치는 부분이 많으면 예측 잘한 것으로 평가한다. 2. Precision, Recall Confusion Matrix TP ( True Positive ) : 실제 값이 Positive일 때 Positive..
반응형

티스토리툴바