머신러닝과 딥러닝 기본이론1(화학공학을 위한)

소개

"머신러닝과 딥러닝 기본이론1"에 대한 내용입니다.

목차

1. 논문소개

2. 개념 및 알고리즘
가. 나이브 베이즈 분류(지도학습)
나. 선형판별분석(지도학습)
다. K-최근접 이웃(지도학습)
라. 서포트 벡터 머신(지도학습)
마. 랜덤 포레스트(지도학습)
바. 그레디언트 부스트(지도학습)
사. K-평균 군집화(비지도학습)
아. 계층적 군집화(비지도학습)
자. 밀도 기반 클러스터링(비지도학습)
차. 신경망(지도학습)

본문내용

기계학습 개념
- 지도학습 : 분류와 회귀로 이루어져 있으며 정답이 있는 데이터를 활용해 데이터를 학습
- 비지도학습 : 정답이 없는 데이터를 활용하여 결과를 예측 하며 대표적으로 클러스터링이 있다.
- 강화학습 : 자신이 한 행동에 대해 보상을 받으며 학습 대표적으로 DQN과 A3C가 있으며 이 알고리즘은 딥러닝을 강화학습에 적용한 사례이다.

학습방법
파이썬과 라이브러리등 코딩만 학습하여도 기본적인 머신러닝 딥러닝이 사용 가능하나 화학안전에서의 머신러닝과 딥러닝을 적용하기 위해서는 선형대수학, 미분적분학, 공업수학등 기본적인 인공지능 수학을 학습하여야 한다.

발표내용
파이썬, 라이브러리등 코딩을 학습하기 전에 AI논문또는 깊이있는 학습을 위하여 논문에서 소개하는 개념과 알고리즘을 다루었다.

참고자료

· 없음