방송통신대학교 프라임칼리지 AI전공 인공지능 2차 과제(만점 취득)

문서 내 토픽

1. 텐서플로(TensorFlow)

텐서플로(TensorFlow)는 구글(Google)에서 만든 딥러닝 프로그램을 쉽게 구현할 수 있도록 다양한 기능을 제공해주는 라이브러리입니다. 텐서플로 자체는 기본적으로 C++로 구현되어 있지만, Python, Java, Go 등 다양한 언어를 지원하며, 파이썬을 최우선으로 지원하고 있습니다. 또한 브라우저에서 실행 가능한 시각화 도구인 텐서보드(TensorBoard)를 제공하여 딥러닝 학습 과정을 추적하는데 유용하게 사용됩니다. 텐서플로에서 Tensor(텐서)란 딥러닝에서 데이터를 표현하는 방식이며, 행렬로 표현할 수 있는 2차원 형태의 배열을 높은 차원으로 확장한 다차원 배열입니다. 텐서플로에서 계산은 데이터 흐름 그래프(dataflow graph)로 이루어지며, 텐서 형태의 데이터들이 딥러닝 모델을 구성하는 연산들의 그래프를 따라 흐르면서 연산이 일어납니다. 텐서플로에서는 Keras나 TF-Slim과 같은 추상화 라이브러리를 제공하여 저수준 텐서플로 라이브러리에 대해 손쉽게 고수준 접근이 가능하게 해줍니다.
2. MNIST 필기숫자 인식

MNIST 필기숫자 인식 프로그램을 실행하여 은닉층의 뉴런 수와 은닉층의 수를 변경하면서 모델의 성능 변화를 확인하였습니다. 은닉층 뉴런 수를 증가시킬수록 인식률이 향상되는 경향을 보였으며, 은닉층의 수를 늘리되 뉴런 수를 균등하게 분포시킨 경우 인식률이 가장 높게 나타났습니다. 이를 통해 모델 구조 변경에 따른 성능 변화를 확인할 수 있었습니다.

Easy AI와 토픽 톺아보기

1. 텐서플로(TensorFlow)

텐서플로는 구글에서 개발한 오픈소스 기계학습 라이브러리로, 다양한 분야에서 널리 사용되고 있습니다. 텐서플로는 복잡한 신경망 모델을 쉽게 구현할 수 있도록 해주며, 분산 처리 기능과 GPU 가속 등의 장점을 가지고 있습니다. 또한 텐서플로는 다양한 언어(Python, C++, Java 등)를 지원하여 개발자들의 선호도가 높습니다. 텐서플로는 이미지 인식, 자연어 처리, 음성 인식 등 다양한 분야에서 뛰어난 성능을 보이고 있으며, 최근에는 강화학습 분야에서도 활용되고 있습니다. 텐서플로는 오픈소스 라이브러리이기 때문에 개발자 커뮤니티가 활성화되어 있어 다양한 사례와 튜토리얼을 찾아볼 수 있습니다. 이를 통해 기계학습 기술을 쉽게 익힐 수 있습니다.
2. MNIST 필기숫자 인식

MNIST 데이터셋은 손글씨 숫자 이미지로 구성된 대표적인 기계학습 벤치마크 데이터셋입니다. MNIST 데이터셋을 활용한 필기숫자 인식 문제는 기계학습 입문자들이 가장 많이 다루는 문제 중 하나입니다. 이 문제는 상대적으로 단순하면서도 실용적인 응용 사례를 보여줄 수 있어 기계학습 기술을 이해하는 데 도움이 됩니다. 다양한 모델(신경망, SVM, 랜덤 포레스트 등)을 적용해볼 수 있으며, 모델 성능 향상을 위한 다양한 기법(데이터 증강, 하이퍼파라미터 튜닝 등)을 실험해볼 수 있습니다. 또한 MNIST 데이터셋은 다른 기계학습 문제를 해결하는 데 활용될 수 있는 기초 지식을 제공합니다. 따라서 MNIST 필기숫자 인식 문제는 기계학습 입문자들에게 매우 유용한 학습 자료라고 할 수 있습니다.