총 20개
-
딥러닝의 통계적 이해 출석 수업 과제물 (2023, 만점)2025.01.241. Teachable Machine을 이용한 머신러닝 모델 구축 Teachable Machine을 활용하여 이미지를 학습시켰다. 사용한 이미지는 구글 이미지에서 '귀멸의 칼날'이라는 애니메이션의 주인공 4명의 다른 사진들을 각각 10장씩 찾은 뒤 머신러닝의 입력값으로 사용하였다. 본 머신러닝으로 실제로 가지고 있는 피규어 사진을 찍어 이 사진을 입력하면 애니메이션 캐릭터를 정확하게 분류할 수 있는지 파악하고자 하였다. 다양한 하이퍼파라미터 조정을 통해 최적의 정확도를 얻고자 하였으나, 설정에 따른 결과 비교를 대량으로 진행하여 거...2025.01.24
-
인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오2025.05.041. 약한 인공지능과 강한 인공지능 약한 인공지능은 특정한 영역의 문제를 푸는 인공지능 기술로, 문제를 해결하거나 이상적인 업무 연구를 처리하는 데에 널리 사용된다. 약한 인공지능은 기초 데이터나 알고리즘, 규칙 등을 입력해야 한다. 약한 인공지능은 인간이 가지고 있는 인지적인 능력 중에서 한정적인 부분만 사고할 수 있다는 것이 한계이다. 강한 인공지능은 인간의 지능을 바탕으로 생각을 할 수 있는 컴퓨터이다. 강한 인공지능은 명령이 입력되지 않아도 스스로 학습을 할 수 있으며, 인공지능 스스로 보았을 때 지시 사항이 비합리적이라고 ...2025.05.04
-
인공지능의 개념과 기술 그리고 국내외의 활용사례2025.01.181. 약한 인공지능 약한 인공지능은 기존의 프로그래밍을 통해 직접 명령을 입력하고 자동화하는 소프트웨어와 같은 전문가 시스템을 의미한다. 지능 요소가 없어 인간의 개입이 필요하지만, 축적된 소프트웨어와 오픈소스, 협력 이력을 바탕으로 점점 정교한 프로그래밍과 설계가 가능해지고 있다. 2. 강한 인공지능 강한 인공지능은 사람처럼 생각하고 감정을 표현할 수 있으며 자의식을 가진 인공지능을 의미한다. 기계학습 시 인간의 보상 체계를 따르는 경향이 강해 상식적인 행동을 보이지 않을 수 있다는 한계가 있지만, 자율주행차와 같이 특정 분야에서...2025.01.18
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 자연어 처리(NLP) 분야에서 필수적인 역할을 하는 인공지능 시스템입니다. LLM은 인간의 언어 이해 및 해석 방식을 모방하여, GPT-4나 BERT와 같은 대표적인 AI 모델을 만들어냈습니다. 이러한 모델들은 문장 생성, 번역, 요약 등에서 강력한 성능을 발휘하며, 마치 언어 전문가가 문법과 의미를 분석하는 것과 유사한 방식으로 작동합니다. 2. LMM(대규모 멀티모달 모형) LMM은 언어뿐만 아니라 이미지, 소리, 영상 등 다양한 형태의 데이터를 동시에 처리할 수 있는 인공지능입니다. 이...2025.01.26
-
머신러닝에서의 차원축소2025.05.101. 차원 축소 차원 축소는 고차원 데이터를 저차원으로 변환하는 과정으로, 데이터의 복잡성을 줄이고 특징을 추출하거나 시각화하기 위해 사용됩니다. 주요 방법으로는 특징 선택과 특징 추출이 있으며, 차원 축소의 이점은 데이터 시각화, 계산 효율성 향상, 잡음 제거 등입니다. 2. 차원의 개념 차원은 데이터를 표현하기 위해 필요한 축의 수를 의미하며, 각 차원은 데이터의 특정 특성을 나타내는 변수 또는 속성이 됩니다. 차원이 높을수록 데이터의 복잡성과 계산 비용이 증가하므로 차원 축소가 필요합니다. 3. 특징(feature)의 개념 특...2025.05.10
-
Autoencoder 기반 추천 시스템 조사2025.05.071. Autoencoder 기반 추천 시스템 Autoencoder는 여러 규제 기법을 적용하여 다양한 application에 적용되고 있으며, 특히 추천 시스템인 collaborative filtering의 성능을 높이는 데 주로 사용된다. 기존 추천 시스템의 한계를 개선하는 방법으로 Autoencoder 기반 추천 시스템이 제시되었다. 본 논문에서는 Autoencoder 기반 추천 시스템에 대한 체계적인 검토를 실시하고 분류 체계를 제안하였다. 2. Autoencoder만을 기반으로 하는 모델 Autoencoder 기반 colla...2025.05.07
-
4차 산업혁명과 사회변화 ) 4차 산업 혁명2025.04.271. 4차 산업혁명과 고고학 4차 산업혁명 시대에 인공지능 기술이 고고학 분야에 적용되어 유물과 유적 발굴 속도와 정확도, 효율성을 높이고 있다. 인공지능은 유물 발굴, 사료 해석, 고대 문자 해독 등에 활용되어 선조의 사상, 문화, 생활양식을 파악하고 역사적 비밀을 풀어가는 데 기여하고 있다. 또한 인공지능 기술을 통해 고고학 자료의 시간적, 공간적 요소를 규정하는 편년 연구도 발전하고 있다. 2. 인공지능의 고고학 활용 사례 일본 야마가타 대학 연구진은 인공지능을 활용해 남미 고대 유적인 '나스카 라인'의 흔적을 찾아냈다. 미국...2025.04.27
-
고등학교 인공지능수학 평가계획서2025.01.161. 인공지능과 관련된 수학 인공지능의 발전에 기여한 역사적 사례에서 수학이 어떻게 활용되었는지를 이해하고, 인공지능에 수학이 활용되는 다양한 예를 찾을 수 있다. 2. 텍스트 자료의 표현 수와 수학 기호를 이용하여 실생활의 텍스트 자료를 목적에 알맞게 표현할 수 있고, 수와 수학 기호로 표현된 텍스트 자료를 처리하는 수학 원리를 이해하며 자료를 시각화할 수 있다. 3. 이미지 자료의 표현 수와 수학 기호를 이용하여 실생활의 이미지 자료를 목적에 알맞게 표현할 수 있고, 수와 수학 기호로 표현된 이미지 자료를 처리하는 수학 원리를 ...2025.01.16
-
[인공지능] 인공지능(AI)의 진보와 미래 (알파고에서 Chat GPT까지)2025.05.101. 자연어 처리 모델의 진보 인공지능의 핵심적인 기술인 자연어 처리 모델은 지속적으로 발전해왔다. 과거에는 합성곱 신경망(CNN)과 순환신경망(RNN)이 주로 사용되었지만, 2017년 구글 딥마인드에서 발표한 트랜스포머(Transformer) 모델은 이들의 한계를 극복하며 자연어 처리 성능을 크게 향상시켰다. 트랜스포머는 어텐션 메커니즘과 병렬 계산을 통해 문장 내 단어들 간의 상호작용을 고려하고 효율적인 학습이 가능하게 했다. 이러한 발전은 챗GPT의 자연어 처리 능력 향상에 기여했다. 2. 생성형 인공지능(Generative ...2025.05.10
-
VQGAN 논문 (인공지능) 발표 및 대본2025.05.071. VQGAN 모델 VQGAN은 VQ-VAE 구조를 따르며 CNN과 Transformer의 장점을 결합한 모델입니다. CNN으로 Locality를 잘 반영하는 codebook을 학습하고, Transformer의 풍부한 표현력으로 Image Synthesis를 이룹니다. VQGAN은 2-stage 모델로, 첫번째 stage에서 codebook을 학습하여 Transformer에 사용하기 위한 이미지의 구성요소를 학습하고, 두번째 stage에서 이러한 codebook을 바탕으로 Transformer를 이용하여 이미지를 구성합니다. 2....2025.05.07
2 / 2
