분류 전체보기128 딥러닝 강의 정리 및 pytorch Rule-Based Programming (규칙 기반 프로그래밍)연산을 사람이 다 함 소프트웨어 1.0: 모든 로직과 규칙을 사람이 직접 코딩장점: 명확하고 제어 가능하며, 작은 시스템에서 매우 효율적단점: 복잡한 문제를 다루기 어렵고, 유지 보수가 어려움.Conventional Machine Learning (전통적 기계 학습)사람이 피처를 디자인하면 기계가 좋은지 안 좋은지 판단함 소프트웨어 1.5: 사람이 직접 특성(feature)을 선택하고 디자인하며, 알고리즘이 데이터를 학습하여 패턴을 찾아냄장점: 도메인 지식을 활용하여 특성을 설계단점: 특성 엔지니어링이 많은 시간과 노력을 필요Deep Learning (딥 러닝)나올 때까지 모든 계산을 기계가 해줌 소프트웨어 2.0: 인간이 특성을 직접 설계.. 2024. 7. 2. 5월 CampCon AGI for Work Sung Kim creation with top AI talent -> Top 매체 PR-> 100개의 고객 10억의 입장료 ->3개의 아이템 OCR, 추천, 검색(NIS)눈빛과 신념 -> 투자 받는 법 Automation -> Office Productivity -> Decision Productivity평균정도의 일을 할 수 있는 사람 AGIOCR -> general vision AI + Assitance -> General AI for office work 새로운 업무에도 역량과 이해가 뛰어나신 분 호기심 개발 실력 디테일에 강하신분 하이퍼파라미터, 아키텍처 공부 한국 도전의식이 강함 2024. 5. 28. 머신 러닝 수업 정리 처음 나온 인공지능은 통계기반의 의사결정을 내리는 인공지능 인공지능은 통계 알고리즘을 통해 스스로 개선해서 데이터가 프로그래밍을 수행하도록 지원 머신러닝이 아닌 인공지능은 규칙기반 학습과 추론라고 도 하며 여러번 데이터를 통해 규칙을 도출하여 새로운 데이터에 대해서도 자동화/최적화를 위하여 사용한다. 즉 귀찮아서..매번 규칙기반 학습을 하기 힘드니깐 머신러닝이 나온 것이다. Neural Network를 통해 깊이 있게 쌓은 모델을 쌓은 기술 블랙박스 모델 지도학습은 레이블된 데이터가 있고, 명확한 목표를 가지며, 예측값과 실제 레이블을 비교하여 (아웃풋과 라벨 사이)평가할 수 있다.비지도학습은 입력 데이터에 대한 레이블이 없는 상태에서 모델을 학습하는 방법으로, 목표는 데이터의 패턴이나 구조를 발견하는.. 2024. 5. 28. 머신 러닝 수업 정리 처음 나온 인공지능은 통계기반의 의사결정을 내리는 인공지능 인공지능은 통계 알고리즘을 통해 스스로 개선해서 데이터가 프로그래밍을 수행하도록 지원 머신러닝이 아닌 인공지능은 규칙기반 학습과 추론라고 도 하며 여러번 데이터를 통해 규칙을 도출하여 새로운 데이터에 대해서도 자동화/최적화를 위하여 사용한다. 즉 귀찮아서..매번 규칙기반 학습을 하기 힘드니깐 머신러닝이 나온 것이다. Neural Network를 통해 깊이 있게 쌓은 모델을 쌓은 기술 블랙박스 모델 지도학습은 레이블된 데이터가 있고, 명확한 목표를 가지며, 예측값과 실제 레이블을 비교하여 (아웃풋과 라벨 사이)평가할 수 있다.비지도학습은 입력 데이터에 대한 레이블이 없는 상태에서 모델을 학습하는 방법으로, 목표는 데이터의 패턴이나 구조를 발견하는.. 2024. 5. 22. 이전 1 2 3 4 5 6 7 ··· 32 다음
