Life4AI

지난 글에서는 머신러닝이 어떻게 학습하는 지에 대해서 간단히 살펴보았다.이번 글에서는 머신러닝의 핵심 과정 중 하나인 모델링(Modeling)에 대해 알아보겠다. 모델링(Modeling)이란?모델링은 한마디로 말해,데이터를 기반으로 예측 가능한 모델을 만드는 과정이다. 머신러닝 전체 프로세스은 크게데이터 수집 → 전처리 및 분석(EDA) → 모델링 → 예측 → 성능 평가으로 구성되어 있다. 데이터셋을 준비하여 전처리와 분석을 하고, 모델링을 적용해, 이를 평가하고 수정 및 배포하는 과정으로 이뤄진다. 이 중 모델링 단계, 즉 머신러닝 알고리즘을 적용하고 평가하는 부분에 초점을 맞추겠다. 머신러닝 모델링 과정데이터셋을 준비하고 전처리와 분석이 마쳤다면, 이제 본격적으로 머신러닝 알고리즘을 적용해 데이터..

1. 문제 아기 상어가 성장해 청소년 상어가 되었다. 4×4크기의 공간이 있고, 크기가 1×1인 정사각형 칸으로 나누어져 있다. 공간의 각 칸은 (x, y)와 같이 표현하며, x는 행의 번호, y는 열의 번호이다. 한 칸에는 물고기가 한 마리 존재한다. 각 물고기는 번호와 방향을 가지고 있다. 번호는 1보다 크거나 같고, 16보다 작거나 같은 자연수이며, 두 물고기가 같은 번호를 갖는 경우는 없다. 방향은 8가지 방향(상하좌우, 대각선) 중 하나이다. 오늘은 청소년 상어가 이 공간에 들어가 물고기를 먹으려고 한다. 청소년 상어는 (0, 0)에 있는 물고기를 먹고, (0, 0)에 들어가게 된다. 상어의 방향은 (0, 0)에 있던 물고기의 방향과 같다. 이후 물고기가 이동한다. 물고기는 번호가 작은 물고기부..

머신러닝(Machine Learning)은 말그대로 컴퓨터(기계)가 데이터로부터 학습하는 기술이다. 좀 더 구체적으로 말하면, 컴퓨터가 데이터를 가장 잘 설명할 수 있는 모델을 만들기 위해, 그 모델의 가중치(=파라미터)를 찾아가는 과정이다. 그렇다면 머신러닝은 어떻게 데이터를 학습해 최적의 가중치를 찾아낼까?이제 머신러닝의 학습 방법에 대해 알아보겠다. 머신러닝의 학습이란? 머신러닝의 학습은 수많은 데이터로부터 규칙이나 패턴을 찾아내고,이를 수식으로 일반화하여 새로운 데이터에도 잘 작동하도록 만드는 과정이다. 결론부터 말하면,학습이란 데이터를 가장 잘 설명할 수 있는 함수(모델)을 찾는 과정,즉, 모델의 파라미터(가중치)를 최적화하는 일이다. 모델(model), 가설(hypothesis) 머신러..

컴퓨터와 인공지능은 뭐가 다를까? 최초의 컴퓨터인 애니악(ENIAC)이 1946년에 등장했을 때, 사람들은 그 놀라운 연산 속도와 기억 능력에 경탄하며 "인간이 기계에게 대체되는 게 아닐까?"라는 두려움을 느꼈다고 한다. 이는 오늘날 인공지능(AI)의 발전을 둘러싼 사회의 반응과 닮아 있다. 이처럼 보면, AI는 컴퓨터 기술의 진화된 형태라고도 할 수 있다.즉, AI는 더 똑똑해진 컴퓨터, 혹은 인간의 지능을 일부 흉내내는 기술이다. AI란 무엇일까?AI (Artificial Intelligence)란, 인간이 가지고 있는 인식, 판단, 추론 등의 지적 능력을 컴퓨터가 모델링하도록 만드는 기술이다. 예를 들어, 방을 스스로 청소하는 로봇청소기도 일종의 AI라고 볼 수 있다.우리가 흔히 떠올리는 자율주행차..

1. 문제 모노미노도미노는 아래와 같이 생긴 보드에서 진행되는 게임이다. 보드는 빨간색 보드, 파란색 보드, 초록색 보드가 그림과 같이 붙어있는 형태이다. 게임에서 사용하는 좌표 (x, y)에서 x는 행, y는 열을 의미한다. 빨간색, 파란색, 초록색 보드가 사용하는 좌표는 그 색으로 그림에 적혀있다. 이 게임에서 사용하는 블록은 타일 하나 또는 두 개가 가로 또는 세로로 붙어있는 형태이다. 아래와 같이 세 종류가 있으며, 왼쪽부터 순서대로 크기가 1×1, 1×2, 2×1 이다. 블록을 놓을 위치를 빨간색 보드에서 선택하면, 그 위치부터 초록색 보드로 블록이 이동하고, 파란색 보드로 블록이 이동한다. 블록의 이동은 다른 블록을 만나거나 보드의 경계를 만나기 전까지 계속해서 이동한다. 예를 들어, 크기가..

지금까지 CNN에서 이미지의 특징을 추출하는 Convolutional Layer와 Pooling Layer에 대해서 알아보았다.이제는 이렇게 추출된 feature를 바탕으로 최종 분류 작업을 수행하는 단계, 즉 Flatten Layer & Fully Connected Layer에 대해 살펴보자. Flatten Layer란? 다차원(2D~3D)의 feature map을 1차원 벡터로 평탄화(flatten)하는 역할이다. Convolutional Layer와 Pooling Layer는 이미지 정보를 2차원 형태로 다루므로,이후의 분류 작업을 위해선 이 데이터를 1차원 형태의 벡터로 변환해야 한다. 즉, flatten layer는 분류/예측을 위한 fully connected layer에 적용되는 벡터 형태..

CNN(Convolutional Neural Netwok)이란?CNN은 이미지 처리와 패턴 인식에 탁월한 성능을 보여주는 신경망이다.이미지 데이터의 공간적 특징(예: 형태, 경계, 방향성 등)을 잘 포착할 수 있는 구조로 설계되어 있으며, 이러한 특성을 바탕으로 시각적 패턴을 학습하고 인식하는 데 널리 사용됩니다. 지금까지 CNN의 핵심인 합성곱층(convolutional layer)에 대해 알아보았다.이제는 CNN의 또 다른 구성 계층인 풀링층(Pooling Layer)에 대해 알아보도록 하자. Pooling layer란? Pooling은 convolutional layer에서 추출된 feature map을 더 작고 간결하게 만드는 과정이다.이 과정을 통해 CNN은 불필요한 정보는 줄이고, 중요한 정..

CNN(Convolutional Neural Netwok)이란?CNN은 이미지 처리와 패턴 인식에 탁월한 성능을 보여주는 신경망이다.이미지 데이터의 공간적 특징(예: 형태, 경계, 방향성 등)을 잘 포착할 수 있는 구조로 설계되어 있으며, 이러한 특성을 바탕으로 시각적 패턴을 학습하고 인식하는 데 널리 사용됩니다. 이전 포스팅에서는 CNN의 핵심 구성 요소인 Convolutional Layer에 대해 살펴보았다.이번에는 Convolutional Layer의 출력 값에 비선형성을 부여하는 데 사용되는 활성화 함수(Activation Function)에 대해 알아보려고 한다.머신러닝이나 딥러닝을 공부해본 사람이라면 활성화 함수에 대해 한 번쯤은 접해봤을 것이다.이번 글에서는 활성화 함수의 개념을 간략히 ..