Day_00. Introduction

강의개요

=Tensorflow 설치부터 python 사용

 

중간고사

=개별과제

 

기말고사

=team project  -과거 과제는 수준이 엄청 높았음,

 

수업은 대부분 동영상, 11주차부터 줌Zoom 사용

 

Tensor flow 의 소개

=2015년 11월 발표

 

공개의 이유

=여러 사람들이 사용하며 버그등을 수정하게 하기위해

=산-학 계에서 딥러닝 효율성을 재고하기 위해

 

Tensorflow 기본구조

=머신러닝 알고리즘 구현과 프레임 워크 실행

=Front-end =python , c++

=Back-end = Cuda 등 , (GPU 제어가 가능

 

데이터 VS 정보

=분석의 유무로 나눔

 

회기 분석의 기초

노드 A는 CB에 직접 의존,  FEB에 간접의존

인공지능 > 머신러닝 > 딥러닝

통계학 = 통계학이 가장 중요한 요소이다

 

머신러닝 개념 – COMPUTER SCIENCE 의 인공지능 분야

Traning data에서 학습해서 훈련에 사용하지 않는 data를 통해서 필요한 답을 추출하는 것

지도학습은 설명변수 (독립변수)와 목적변수(종속변수 y) 간의 관계성 표현

 

분류기법 종류

K 최근접(knn)

로지스틱 회귀

인공신경망

의사결정나무

서포스 백터머신

나이브베이즈

앙상블 기법

 

수치예측(회귀)

선형회귀

확장된 회귀분석

인공신경망

의사결정나무

서포트백터머신

PLS

앙상블기법

 

지도학습 VS 비지도 학습

=목적변수  Y가 있는지, 업는지의 차이

 

비지도학습의 주요 알고리즘:

K- MEAN Clustering	계층적 clustering
덴드로그램	주성분분석(PCA) 요인분석

 

강화학습

=정답은 모르지만 행동에 대한 보상을 지급하는것

=SVM,Kmeans

 

머신러닝의 사례

=마리너리티 리포트, 검색어 자동완성 , 상품추천 , 주식의 알고리즘 트레이닝

 

딥러닝

=입력,출력 계층으로 나뉘는 것,

=각 노드간의 견결치의 가중치 값을 바꿔가며 절차를 찾아내는 형태

==미분이 제일 중요하다

==기울기를 구하는게 미분

 

생물학적 신경망 vs 인공신경망

실제 신경망	인공신경망
소마	뉴런
덴드라이트	입력
Axon	출력
시넵스	가중치 weight

 

딥러닝

=인공신경망에서 hidden layer가 3개이상인 것

회귀분석

=입력에서 결과로 갈 때 영향을 분석하는것

 

**********딥러닝의 XOR문제**********

 

OR-문제. 1개만 1이여도 1

X1	X2	Y
0	0	0
0	1	1
1	0	1
1	1	1

 

AND-문제. 둘다 1일 때  1

X1	X2	Y
0	0	0
0	1	0
1	0	0
1	1	1

XOR-배타적 논리합 – 같으면 0다르면 1

X1	X2	Y
0	0
0	1	1
1	0	1
1	1	0

==Multi Level Layer로 문제를 해결

 

이미지 인식의 개념

자율주행 자동차의 핵심기술

한국의 자율주행 – 레이저 방식

테슬라 자율주행 – 이미지 인식

Open pilot라는 기술로 자율주행 가능

Oxford 학교의 VGnet , MS의 RSenet

 

프레임워크

=뼈대나 기반구조 , 필요한 소스코드의 추가가 가능

 

라이브러리

=가져다 사용만 하는 것

 

추가로 공부할4가지 사항

회귀

로지스틱

DT

인공신경망