인공지능/인공지능개론14 [AI] Language (7) 언어 (Language) 지금까지 과정에서 우리는 AI가 처리할 수 있도록 작업과 데이터를 형성해야 했다. 오늘은 인간의 언어를 처리하기 위해 AI를 어떻게 구성할 수 있는지 살펴볼 것이다. 자연어 처리(Natural Language Processing)는 AI가 인간의 언어를 입력으로 받는 모든 작업에 적용된다. 다음은 이러한 작업의 몇 가지 예이다: 자동 요약(automatic summarization): AI가 텍스트를 입력으로 받고 텍스트 요약을 출력으로 생성한다.정보 추출(information extraction): AI에게 텍스트 모음이 제공되고 AI가 데이터를 출력으로 추출한다.언어 식별(language identification): AI에 텍스트가 제공되면 텍스트의 언어를 출력으로 반환한다.. 2024. 7. 1. [AI] Neural Networks (6-2) 텐서플로우(Tesnsorflow) 파이썬에서 흔히 그렇듯이, 여러 라이브러리는 이미 역전파 알고리즘을 사용하는 신경망을 구현하고 있으며, TensorFlow는 그러한 라이브러리 중 하나이다. 이 웹 애플리케이션에서 TensorFlow 신경망을 실험해 볼 수 있다. 네트워크의 다양한 속성을 정의하고 실행하여 출력을 시각화할 수 있다. 이제 TensorFlow를 사용하여 지난번에 논의한 작업, 즉 위조지폐와 진짜 지폐를 구별하는 작업을 수행하는 방법의 예를 살펴볼 것이다.import csvimport tensorflow as tffrom sklearn.model_selection import train_test_split TensorFlow를 임포트하고 tf라고 정의한다(별다줄).# Read data in.. 2024. 6. 28. [AI] Neural Networks (6-1) 신경망(Neural Networks) AI 신경망은 뇌과학에서 영감을 받았다. 뇌에서 뉴런은 서로 연결되어 네트워크를 형성하는 세포이다. 각 뉴런은 전기 신호를 수신하고 보낼 수 있다. 뉴런이 수신하는 전기 입력이 특정 임계값을 넘으면, 뉴런이 활성화되어 전기 신호를 앞으로 보낸다. 인공 신경망(Artificial Neural Network)은 생물학적 신경망에서 영감을 받아 학습을 위한 수학적 모델이다. 인공 신경망은 네트워크의 구조와 매개변수를 기반으로 입력을 출력으로 매핑하는 수학적 함수를 모델링한다. 인공 신경망에서는 데이터 학습을 통해 네트워크의 구조가 형성한다. AI가 구현될 때, 각 뉴런의 병렬은 다른 유닛에 연결된 유닛(unit)이다 . 예를 들어, 지난 강의와 같이 AI는 두 개의 입력 .. 2024. 6. 28. [AI] Learning (5-3) 강화 학습(Reinforcement Learning) 강화 학습은 기계 학습에 대한 또 다른 접근 방식으로, 각 작업 후에 agent가 보상이나 벌(양수 또는 음수 값)의 형태로 피드백을 받는다. 학습 과정은 agent에 상태(state)를 제공하는 환경(environment)에서 시작된다. 그다음 agent는 상태에 대한 작업을 수행한다. 이 작업을 기반으로 환경은 상태와 보상을 에이전트에 반환한다. 여기서 보상은 긍정적이어서 미래에 행동이 발생할 가능성이 높아지거나 부정적(예: 처벌)이어서 미래에 해당 행동이 발생할 가능성이 낮아질 수 있다. 이러한 유형의 알고리즘은 걷는 로봇을 훈련하는 데 사용할 수 있다. 예를 들어 걷기는 양수(보상)를 반환하고 각 쓰러짐은 음수(처벌)를 반환한다. 마르코프 .. 2024. 6. 25. [AI] Learning (5-2) 회귀(Regression) 회귀는 입력 지점을 연속 값, 일부 실수 값에 매핑하는 함수의 지도 학습 작업이다. 이는 분류 문제가 입력을 이산 값(비 또는 비 안 옴)에 매핑한다는 점에서 분류와 차이가 있다. 예를 들어, 회사는 회귀 분석을 사용하여 광고에 지출된 비용이 판매로 벌어들인 돈을 예측하는 방법에 대한 질문에 답할 수 있다. 이 경우, 관찰된 함수 f(advertising)는 광고에 지출된 일부 돈에 따른 관찰된 수입을 나타낸다(함수는 두 개 이상의 입력 변수를 사용할 수 있음에 유의하자). 이것이 우리가 시작하는 데이터이다. 이 데이터를 사용하여 함수 f의 동작을 근사화하려고 시도하는 가설 함수 h(advertising)를 제시하려고 한다. h는 관찰 유형을 분리하는 것이 아니라 입력을 기반으.. 2024. 6. 24. [AI] Uncertainty (3-3) 마르코프 모델(Markov Models) 지금까지 우리는 관찰한 일부 정보를 바탕으로 확률에 대한 질문을 살펴보았다. 이런 패러다임에서는 시간의 차원이 전혀 표현되지 않는다. 그러나 예측과 같은 많은 작업은 시간 차원에 의존한다. 시간 변수를 나타내기 위해 새 변수 X를 생성하고 관심 있는 이벤트에 따라 이를 변경한다. 즉, Xₜ는 현재 이벤트이고 Xₜ₊₁는 다음 이벤트이다. 미래의 사건을 예측할 수 있기 위해, 우리는 Markov 모델을 사용할 것이다. 마르코프 가정(Markov Assumption) 마르코프 가정은 현재 상태(state)가 유한하고 고정된 수의 이전 상태(state)들에만 의존한다는 가정이다. 이것은 우리에게 중요하다. 날씨를 예측하는 작업을 생각해 보자. 이론적으로 우리는 지난.. 2024. 6. 24. 이전 1 2 3 다음
