총 89개
-
PCA & SVD2025.01.131. PCA (주성분 분석) PCA는 데이터의 분산(variance)을 최대한 보존하면서 서로 직교하는 새 기저(축)를 찾아, 고 차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 기법입니다. 데이터의 분산을 최대로하는 새로운 기저를 찾기 위해서는 데이터 행렬 A의 공분산 행렬을 구해야 합니다. 공분산 행렬의 고유분해(Eigendecomposition)를 통해 가장 큰 고유값 몇 개를 고르고, 그에 해당하는 고유벡터를 새로운 기저로 하여 데이터 벡터들을 정사영시키면 PCA 작업이 완료됩니다. 2. SVD (특이값 분...2025.01.13
-
인공지능과 기계학습 기말정리2025.01.131. 신경망의 오차 출력계층의 오차와 은닉계층의 오차를 구하는 방법에 대해 설명합니다. 출력계층의 오차는 목표값과 출력값의 차이이지만, 은닉계층에는 목표값이 존재하지 않기 때문에 출력계층의 오차를 재조합하여 은닉계층의 오차를 구합니다. 이러한 방식을 역전파라고 합니다. 2. 경사하강법 오차함수의 기울기에 따라 가중치를 조정하는 경사하강법에 대해 설명합니다. 오차함수로는 제곱오차 방식을 사용하며, 기울기의 부호에 따라 가중치를 반대 방향으로 조정합니다. 오버슈팅을 방지하기 위해 기울기가 완만해질수록 조금씩만 움직이도록 합니다. 3. ...2025.01.13
-
빅 데이터의 의미와 정보기술2025.04.251. 빅 데이터의 의미 빅 데이터는 데이터의 양(Volume), 데이터 생성 속도(Velocity), 형태의 다양성(Variety)이라는 3가지 특성을 가지고 있다. 이러한 빅 데이터는 개인, 단체, 기업, 국가 등에 중요한 자산이 되며 미래 경쟁력을 좌우하는 중요한 자원으로 활용될 것이다. 2. 빅 데이터 분석 기술 빅 데이터 분석 기술에는 기계학습, 데이터마이닝 등이 있다. 기계학습은 컴퓨터가 스스로 학습하여 새로운 규칙을 형성하는 기술이며, 데이터마이닝은 광대한 데이터베이스에서 가치 있는 정보를 찾아내는 기술이다. 이러한 기술...2025.04.25
-
언어 변수와 헤지, 퍼지 집합 연산, 포함관계에 대해 서술하시오2025.01.271. 언어 변수 언어 변수는 수치 대신 언어적 표현을 사용하여 정보를 나타내는 방식입니다. 이는 모호하거나 불확실한 상황을 다루는 데 적합한 도구로, 사람들의 일상적인 의사소통 방식과 유사합니다. 언어 변수의 주요 특징은 모호성 및 가변성 반영, 맥락에 따른 유연한 해석 가능, 사람의 사고방식과 밀접한 연관성, 수학적 모델링 도구로의 활용 등입니다. 2. 헤지 연산 헤지 연산은 언어 변수의 의미를 조정하여 정보를 더 명확하고 세밀하게 전달하는 데 사용되는 기법입니다. 이를 통해 언어 변수의 강도나 범위를 조절하여 모호한 상황에서도 ...2025.01.27
-
경영정보시스템_인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오2025.01.151. 약한 인공지능과 강한 인공지능의 비교 약한 인공지능(AI)은 특정 작업을 수행하도록 설계된 인공지능으로, 사람처럼 사고하거나 인식하는 능력은 없다. 반면, 강한 인공지능은 인간과 유사한 사고, 이해, 학습 능력을 갖춘 인공지능을 말한다. 강한 AI는 현재 기술로는 아직 실현되지 않았으며, 과학 소설이나 미래 기술에 대한 논의에서 주로 다루어진다. 2. 기계학습의 개념과 특징 기계학습은 컴퓨터가 데이터를 통해 스스로 학습하고, 패턴을 인식하여 의사결정을 개선할 수 있는 능력을 갖추게 하는 기술분야이다. 기계학습의 가장 큰 특징은...2025.01.15
-
데이터 마이닝의 기술적 동인2025.01.251. 데이터 마이닝의 기술적 동인 데이터 마이닝의 기술적 동인은 컴퓨터 기술의 발전, 인터넷과 월드 와이드 웹의 등장, 하드웨어 기술의 발전, 소프트웨어 기술의 발전, 인공지능과 기계 학습의 발전, 빅데이터의 등장, 데이터의 중요성에 대한 인식 증가, 개인정보 보호와 윤리적 문제에 대한 관심 증가, 다양한 응용 분야의 확장 등으로 요약될 수 있다. 이러한 동인들이 결합되어 데이터 마이닝 기술은 지속적으로 발전하고 있으며, 앞으로도 그 중요성과 활용 범위는 더욱 확대될 것으로 예상된다. 1. 데이터 마이닝의 기술적 동인 데이터 마이닝...2025.01.25
-
경영정보시스템 리포트 (머신러닝, 딥러닝의 개요 및 활용)2025.01.221. 약한 인공지능과 강한 인공지능 오늘날의 과학계는 인공지능의 기준을 강한 인공지능과 약한 인공지능으로 나눈다. 강한 인공지능은 인간의 지능을 가진 컴퓨터로 스스로 일을 할 수 있고 지시를 거부할 수도 있다. 반면 약한 인공지능은 특정 영역의 문제를 해결하는 기술을 가진 인공지능으로 자아가 없기 때문에 한정적으로만 사람의 인지적 능력을 활용할 수 있다. 2. 기계 학습의 개념과 특징 기계 학습은 컴퓨터가 스스로 패턴에 따라 움직일 수 있도록 하는 기술이다. 데이터 과학자가 수많은 경우의 수 데이터를 입력하고 패턴을 식별시켜 인공지...2025.01.22
-
경영정보시스템_인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오2025.01.181. 약한 인공지능과 강한 인공지능의 비교 약한 인공지능은 단순히 인간의 능력 일부를 시뮬레이션하는 것으로, 특정 분야에 한정해 인간의 지능을 흉내 내는 지능적인 활동을 의미한다. 반면 강한 인공지능은 자신만의 자아를 가지고 있는 컴퓨터로, 인간과 유사하거나 뛰어넘는 수준의 능력을 가지고 있어 스스로 학습하고 자아의식과 감정도 가진다. 2. 기계학습의 개념과 특징 기계학습은 데이터로부터 프로그램을 자동으로 생성하는 기술로, 사람이 학습하듯이 컴퓨터에 데이터를 입력해 놓고 학습하게 함으로써 새로운 지식을 얻어내게 하는 분야이다. 기계...2025.01.18
-
정보통신망4A 기계학습 Machine Learning에 관하여 조사하여 설명하고 기계학습을 위해 활용될 수 있는 정보통신 기술에 관하여 서술하시오2025.01.251. 기계학습 정의 및 필요성 기계 학습은 컴퓨터 시스템이 데이터를 분석하고 패턴을 학습하여 작업을 수행할 수 있는 능력을 갖추는 것을 의미한다. 기계 학습은 데이터 마이닝이나 기타 학습 알고리즘을 사용하여 지식을 추출하고 이를 경험기반으로 삼아 비슷한 상황의 미래 사건의 결과를 예측하는 컴퓨터 프로그램이다. 기계 학습은 대량의 데이터 처리, 복잡한 패턴 인식, 자동화된 결정, 개인화된 경험 제공, 의사 결정 지원, 지능적인 시스템 구축 등의 이유로 매우 중요하다. 2. 기계학습 장점과 문제점 기계 학습의 장점으로는 패턴 인식 및 ...2025.01.25
-
Kernel PCA & Spectral Clustering2025.01.131. Kernel PCA Kernel PCA는 편향이 큰 실세계의 데이터를 분석하는데 어려움이 있고, outlier data에 매우 민감한 linear PCA의 단점을 보완하기 위해 kernel trick을 수행한다. 하지만 분산이 가장 큰 축으로 데이터들을 정사영 시킬 뿐, clustering algorithm을 적용하지는 않는다. 2. Spectral Clustering Spectral Clustering은 군집화를 더 쉽게 하기 위해서 유사도 행렬 A를 통해 데이터들을 변형된 공간에 넣고, 후에 clustering algori...2025.01.13
1 / 9
