패스트캠퍼스AI부트캠프10 DataCentric Data-Centric AI 개요Data-Centric AI는 모델 자체보다 데이터의 품질과 관리에 중점을 둔 접근 방식 이는 기존의 Model-Centric AI와 대비되는 개념으로, 데이터의 중요성을 강조 개념과 중요성Data-Centric AI는 고품질 데이터를 통해 AI 모델의 성능을 향상시키는 것을 목표 이는 "garbage in, garbage out" 원칙에 기반하여, 입력 데이터의 품질이 출력 결과의 품질을 결정한다는 점을 강조 Model-Centric AI와의 차이점Model-Centric AI: 데이터는 고정하고 모델을 개선하는 데 집중Data-Centric AI: 모델은 고정하고 데이터의 품질을 개선하는 데 집중미래 방향성Data-Centric AI는 AI 개발의 새로운 패러다임으로 .. 2024. 9. 24. 딥러닝 강의 정리 및 pytorch Rule-Based Programming 규칙기반프로그래밍연산을 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 전통적기계학습사람이 피처를 디자인하면 기계가 좋은지 안 좋은지 판단함 소프트웨어 1.5: 사람이 직접 특성feature을 선택하고 디자인하며, 알고리즘이 데이터를 학습하여 패턴을 찾아냄장점: 도메인 지식을 활용하여 특성을 설계단점: 특성 엔지니어링이 많은 시간과 노력을 필요Deep Learning 딥러닝나올 때까지 모든 계산을 기계가 해줌 소프트웨어 2.0: 인간이 특성을 직접 설계.. 2024. 7. 2. 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 아웃풋과라벨사이평가할 수 있다.비지도학습은 입력 데이터에 대한 레이블이 없는 상태에서 모델을 학습하는 방법으로, 목표는 데이터의 패턴이나 구조를 발견하는.. 2024. 5. 28. fastcampus-UpstageAI 3기 - ArrayArray List continuousLinked list discontinous배열은 연속적인 메모리 공간에 저장되지만, ArrayList는 동적으로 크기가 변경되는 연속적인 메모리 공간 사용을 한다. 배열은 고정되어 있지만, ArrayList는 동적으로 크기가 변경될 수 있다.배열은 중간 삽입/ 삭제 시 데이터 이동이 필요하지만 ArrayList는 동적 크기 조절로 인하여 상대적으로 효율적이다.삽입과 삭제가 편함 연결 리스트는 불연속적인 메모리 공간을 저장하고, 배열에 비해 삽입과 삭제가 편하고, 연셜 리스트의 시작 또는 끝 부분에서의 삽입/삭제는 O1 시간 복잡도를 가진다. 연결 리스트는 순차적으로 탐색해야하므로 배열에 비하여 탐색 효율성이 낮다.- 시간복잡도완전 탐색: 노가다로 일.. 2024. 5. 16. 이전 1 2 3 다음
