Study/AI16 [AI] CNN(Convolutional Neural Networks)에 대하여 이번 포스팅에서는 딥러닝(Deep Learning)의 핵심적인 구조 중 하나인 CNN(Convolutional Neural Networks), 즉 합성곱 신경망에 대해 알아보겠습니다.CNN은 이미지 처리와 관련된 작업에서 상당한 성능을 보여주며, 딥러닝 모델 중에서도 매우 널리 사용되고 있습니다.이 글에서는 CNN의 기본 개념부터, 주요 구성 요소, 작동 원리에 대해 자세히 알아보겠습니다!CNN이란?CNN(Convolutional Neural Nets)은 이미지 및 영상 등의 특징을 식별(detection)하고 분류(classification)하는데 널리 사용되는 딥러닝 기본 모델입니다.CNN의 구성 CNN은 크게 2가지 단계로 구성됩니다. 1. Feature learning : 공간정보를 유지하면서 i.. 2025. 1. 27. [AI] Model-Centric AI & Data-Centric AI AI를 공부하다보면, Model-Centric AI, Data-Centric AI라는 용어를 접할 수 있습니다.한글로 풀어보면 모델 중심 AI, 데이터 중심 AI인데요, 잘 와닿지 않죠.어떤 의미인지 한번 알아봅시다!Model-Centric AI와 Data-Centric Ai 차이점 Model-Centric AI는 쉽게 말해 코드를 건드려서 성능을 향상시키는 것을 의미합니다.ex) 모델 레이어를 더 많이 쌓기, 하이퍼파라미터 최적화 등Data-Centric AI는 말 그대로 데이터를 잘 넣어서 성능을 향상시키는 것을 의미합니다.ex) 고품질의 데이터를 넣기, 더 많은 양의 데이터를 넣기 등 최근에는 Data-Centric AI 쪽 방향으로 많은 연구가 진행되고 있다고 하네요!Model-Centric AI.. 2024. 12. 5. [AI] 인공지능 윤리에 관하여 본 포스트는 인공지능 윤리에 대한 강의를 들은 내용을 정리한 것입니다. 인공지능이 IT를 지배하고 있는 현 시점에서, AI를 개발하거나 이용하는 사람들은 인공지능 윤리에 대하여 꼭 알아야 합니다.인공지능이라는 것이 대중화되기 전에는 인공지능 윤리가 사실 그렇게 필요하지 않았습니다. 그러나!!인공지능을 이용한 기술이 엄청난 속도로 생겨나고 있는 지금!인간을 위한 기술이 인간에게 해를 끼칠 수 있다는 가능성을 인식하고, 이를 윤리적 관점에서 바라보는 시도가 필요합니다.인공지능 윤리와 관련된 다양한 주제들데이터의 편향(bias)과 인공지능 윤리 무인자동차와 인공지능 윤리 학교에서 ChatGPT를 사용해야 할까? 인공지능이 만든 저작권의 소유자는? (시, 소설, 그림 등) 인공지능 교사의 교육이 가능할까?.. 2024. 8. 16. [AI] Artificial Intelligence 인공지능 입문 강의 (POSTECH 유환조 교수님) 인공지능 문제의 특징1. Computational Complexity : 최적의 솔루션을 찾는데 너무 오랜 시간이 걸린다.2. Information Complexity : 최적의 솔루션을 찾는데 너무 많은 양의 데이터가 필요하다. 인공지능 문제 해결을 위해 필요한 자원 (Challenges)=> 즉, 인공지능 문제를 풀기 위해서는 다음 두 가지가 필요하다. 인공지능 문제 해결 접근 시 고려해야 할 것들=> 좀 더 구체적으로, 인공지능 문제 해결에 접근하기 위해서는 다음 세 가지를 고려해야 한다. 인공지능 문제 접근법인공지능 문제에 대한 접근은 real world task에 대해 모델링을 적용하여 formal task로 바꾸고, 알고리즘을 적용하여 프로그램을 만드는 형태로 이루어진다. 모델링과 알고리즘인공.. 2024. 6. 7. [AI] CNN(Convolutional Neural Network)을 사용하여 MNIST 데이터 분류하기 본 포스트에서는 MNIST 손글씨 데이터를 분류하는 모델을 CNN을 통해서 구현해 볼 것입니다. 라이브러리 가져오기import tensorflow as tffrom tensorflow.keras import datasetsfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Denseimport numpy as npimport matplotlib.pyplot as plt 먼저 TensorFlow의 Keras를 사용하여 CNN(Convolutional Neural Network) 모델을 구축하기 위한 필수적인 모듈들을 불러옵니다. 1. from tensorfl.. 2024. 4. 10. [AI] 혼동 행렬(Confusion matrix) 직접 구현하기 본 포스트에서는 confusion matrix를 matplotlib.pyplot 라이브러리를 사용하여 직접 구현해 볼 것입니다.seaborn 라이브러리를 사용하면 훨씬 쉽고 빠르게 구현할 수 있지만, 내부 원리를 정확히 공부하기 위해 seaborn은 사용하지 않겠습니다. 라이브러리 가져오기from sklearn.metrics import confusion_matrix # confusion matrix 계산from sklearn.metrics import accuracy_score # accuracy 계산from sklearn.metrics import classification_report # 각 성능지표에 대한 분류 보고서 출력 confusion matrix의 출력 방식을 확인해보기 위해 먼저 .. 2024. 3. 26. [AI] 로지스틱 회귀(Logistic Regression) 직접 구현하기 본 포스트에서는 Tensorflow에서 로지스틱 회귀를 구현해볼 것입니다. 먼저 필요한 라이브러리들을 가져옵니다. 라이브러리 가져오기import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt 훈련 데이터 생성x_train = np.array([[1., 1.], [1., 2.], [2., 1.], [3., 2.], [3., 3.], [2., 3.]], dtype=np.float32)y_train = np.array([[0.], .. 2024. 3. 25. [AI] 선형 회귀(Linear Regression) 직접 구현하기 본 포스트에서는 Simple linear regression과 Non-linear regression을 tensorflow를 이용하여 구현해 볼 것입니다. 먼저 tensorflow와 numpy 라이브러리를 가져오도록 합니다. 라이브러리 가져오기import tensorflow as tfimport numpy as np# 버전 확인 (1.xx 버전일 경우 속도는 빠르지만 더 복잡하고 어려움)print(tf.__version__) Simple Linear Regressiony = ax + b 형태의 모델을 구현해 볼 것입니다. 데이터 생성X = [1,2,3,4,5] # 입력 데이터Y = [1,2,3,4,5] # 결과 데이터 먼저 모델에 들어가게 될 데이터 X와 Y를 생성해줍니다. 가설 정의W = tf.Vari.. 2024. 3. 25. 이전 1 2 다음
