총 453개
-
DQN과 A2C network를 활용한 CartPole 강화학습 훈련과정 및 code2025.01.131. CartPole environment OpenAI gym의 CartPole은 카트 위에 막대기가 고정되어 있고 막대기는 중력에 의해 바닥을 향해 자연적으로 기울게 되는 환경을 제공한다. CartPole의 목적은 카트를 좌, 우로 움직이며 막대기가 기울지 않고 서 있을 수 있도록 유지시켜 주는 것이 목적인데, 강화 학습 알고리즘을 이용하여 막대기를 세울 수 있는 방법을 소프트웨어 에이전트가 스스로 학습할 수 있도록 한다. 2. DQN algorithm Deep Q-Network는 state-action value Q값을 Deep...2025.01.13
-
인공지능의 윤리적, 법적 문제2025.05.031. 제4차 산업혁명 2016년 1월 다보스포럼에서 클라우스 슈밥이 '기술혁명이 인간의 삶을 근본적으로 변화시키고 있다'는 의제로 제시한 제4차 산업혁명에 대한 논의가 세계적으로 주목받게 되었다. 이는 로봇, 인공지능, 사물인터넷의 기술융합에 의한 사이버-실물세계 연계시스템이 중심이 되는 기술혁명이다. 2. 인공지능의 발전 4차 산업혁명 시대에서는 기존사회와는 다른 고도의 디지털기술을 활용하여 기술융합, 기술과 산업의 융합을 기반으로 산업사회의 복잡한 문제를 해결할 것이다. 인공지능이 방대한 데이터, 빅데이터를 분석하고, 이를 통해...2025.05.03
-
인공지능이 만들어낸 이미지를 통해 본 과거와 현대의 이미지의 인식 변화2025.01.221. 이미지를 만들어내는 인공지능의 등장 4차산업혁명과 코로나 팬데믹으로 디지털 시대로의 전환 속도가 급격히 빨라졌다. 그리고 그 중심에 있는 기술이 바로 인공지능(Artificial Intelligence, AI)이다. 이미지 생성 AI 달리(DALL·E)와 미드저니는 멀티모달 시스템과 딥러닝 기술을 활용하여 이미지를 생성하고 있다. 이러한 이미지 생성 인공지능은 창의적인 영감의 원천, 상업적인 도구, 디자인 작업에서의 조력자, 예술가의 창작을 실현하는 하나의 도구 등으로 다양하게 활용되고 있다. 2. 인공지능으로 인한 이미지에 ...2025.01.22
-
트랜스포머 알고리즘의 개념과 적용 사례2025.01.251. 트랜스포머 알고리즘의 개념 트랜스포머 알고리즘은 주의 메커니즘을 기반으로 하는 딥러닝 모델로, 입력 데이터의 각 요소가 다른 모든 요소와의 관계를 고려하여 변환된다. 이를 통해 순차적인 처리 대신 병렬 처리가 가능하게 되어 학습 속도가 크게 향상되었다. 트랜스포머는 인코더와 디코더로 구성되어 있으며, 각 단계에서 다중 헤드 자기 주의 메커니즘을 사용한다. 이 알고리즘은 2017년 구글의 연구팀이 발표한 논문에서 처음 소개되었다. 2. 트랜스포머 알고리즘의 구조 트랜스포머 모델은 인코더와 디코더 블록으로 구성되어 있다. 인코더는...2025.01.25
-
데이터 분석 기업 - 왓챠2025.05.111. 왓챠 소개 왓챠는 2012년에 설립된 영화 평점 데이터 기반의 콘텐츠 추천 및 평가 서비스 기업입니다. 2016년에는 OTT 서비스인 '왓챠플레이'를 런칭하여 고도화된 추천 알고리즘을 통해 개인의 취향을 잘 파악한 맞춤형 콘텐츠 큐레이션 서비스를 제공하고 있습니다. 2. 활용 데이터 왓챠는 국내 최다인 약 6억 개의 영화 평점 데이터와 왓챠플레이 유저들의 시청 기록 데이터를 활용하고 있습니다. 이를 통해 사용자의 자발적인 데이터와 질적인 데이터를 확보하고 있습니다. 3. 데이터 분석 과정 및 절차 왓챠는 사용자가 20개의 영화...2025.05.11
-
창업경진대회 수상작 (발표ppt)2025.05.101. 앱 기반 등산객 보조 서비스 이 프레젠테이션은 앱 기반 등산객 보조 서비스에 대해 다루고 있습니다. 이 서비스는 빅데이터와 딥러닝 기술, 그리고 공공데이터를 활용하여 등산객들을 지원하는 것을 목표로 합니다. 주요 기능으로는 등산 시작 시간 확보, 등산 경로 추천, 쉼터 및 휴게시설 추천, 산행 완료 알림 등이 있습니다. 또한 카카오톡 공유, 산행 랭킹 및 기록 조회, 상품 정보 공유 등의 기능을 통해 등산의 엔터테인먼트화를 지향하고 있습니다. 2. 무등산 공공데이터 활용 이 서비스는 무등산 공공데이터를 활용하여 지역 소상공인 ...2025.05.10
-
딥페이크의 양면성과 악용사례2025.01.241. 딥페이크 개념 딥페이크는 딥러닝의 딥(deep)과 가짜라는 뜻의 페이크(fake)를 합친 단어로서 기존 사진 또는 영상에 얼굴이나 특정 부위를 학습하여 다른 사진 또는 영상에 합성하는 기술을 뜻한다. 2017년, 미국의 온라인커뮤니티인 레딧(Reddit)의 'Deepfakes'라는 계정에 유명스타들의 얼굴을 조작한 가짜 영상들이 업로드되면서 딥페이크라는 용어가 최초로 사용된 것으로 알려져 있다. 2. 딥페이크 기술의 원리 현재까지 딥페이크 기술을 이용하는 방식은 크게 두 가지로 분류할 수 있는데, '안면 교체(face-swap...2025.01.24
-
LLM(Large Language Model)과 LMM(Large Multimodal Model)의 비교 및 Deep Learning과의 관계2025.01.261. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 언어 이해와 생성을 수행하는 모델입니다. GPT, BERT 시리즈 등이 대표적이며, 사전에 학습된 방대한 파라미터와 맥락적 추론 능력을 통해 다양한 분야에서 활용되고 있습니다. LLM은 텍스트 상의 문맥 흐름을 예측하고 의미를 파악함으로써 정교한 언어 처리와 유연한 질의응답을 수행할 수 있습니다. 2. LMM(Large Multimodal Model) LMM은 텍스트를 넘어 이미지, 음성, 영상 등 서로 다른 형태(모달)의 데이터를 통합적으...2025.01.26
-
인공지능 관련 레포트(A+자료)2025.01.171. 인공지능의 개념 및 분류 인공지능(Artificial intelligence)은 데이터를 통해 인간이 가진 학습, 분석, 추론 등 다양한 능력을 모방하고 구축하는 컴퓨터 과학 기술을 말한다. 인공지능은 능력 및 학습 방식, 응용 분야 등 여러 기준을 통해 분류되며, 좁은 인공지능(ANI), 일반 인공지능(AGI), 초지능(Superintelligence) 등으로 나뉜다. 2. 인공지능의 역사 인공지능의 역사는 1943년 뉴런의 개념 도입, 1959년 퍼셉트론 개발, 2010년 딥러닝 기술 발전 등으로 이어져 왔다. 인공지능이라...2025.01.17
-
인공지능의 역사와 생성형 AI의 등장 - Generative AI의 발전 과정2025.01.141. 인공지능의 초기 발전 인공지능(AI) 연구의 역사는 1950년대로 거슬러 올라가며, 이 시기는 AI 분야의 초기 발전 단계로 중요합니다. 초기 AI 연구는 기본적인 알고리즘 개발과 머신 러닝 기법의 탐색에 집중되었습니다. 이 단계에서 연구자들은 컴퓨터가 복잡한 문제를 해결하고, 패턴을 인식하며, 학습하는 기초적인 방법들을 탐구했습니다. 이러한 초기 단계의 연구와 발전은 오늘날 AI 기술이 다양한 분야에서 복잡한 문제를 해결하고, 인간의 언어와 행동을 이해하며, 독립적으로 학습할 수 있는 능력을 갖추게 하는 데 중요한 역할을 했...2025.01.14
11 / 46
