๐ AI, ๋ก๋ด ์ค์ต ๊ณผ๋ชฉ
@ ํ3์2 โ ๋ ๋ค 201ํธ
@ Brief ์์ฝ
@ Manner ๋ฐฉ์
@ Exhibiting
@ Characteristics ํน์ง
@ Fraud ์ฌ๊ธฐ
@ Investigate ์กฐ์ฌ
๐ซ @
@ U ์ค๊ฐ๊ณ ์ฌ ์ถ์ : ๊ธฐ๊ณ๋ ์๊ฐํ ์ ์๋๊ฐ? ๊ทผ๊ฑฐ๋ฅผ ๋ค์ด์
Nature of Code
์ง๋ฅ? ๋ญ์ง ๋งํ ์๋ ์์ง๋ง ๋๋์ ์๊ณ ์๋ค
๊ธฐํธ์ฃผ์ VS ์ฐ๊ฒฐ์ฃผ์
๋จธ์ ๋ฌ๋ VS ๋ฅ๋ฌ๋
๊ฐ์ธ๊ณต์ง๋ฅ, Strong AI,
์ธ๊ฐ ์์ค์ ์ง๋ฅ
์ธ๊ณต์ผ๋ฐ์ง๋ฅ, A General I, AGI
๋ค์ํ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๊ณ ๋คํฅํ ์ง๋ฅ์ ํ๋์ ์ํผํ ์ ์๋ ๋ฅ๋ ฅ
๊ฐ์ธ๊ณต์ง๋ฅ, ์ฝ์ธ๊ณต์ง๋ฅ ์ฌ์ด
์ฝ์ธ๊ณต์ง๋ฅ, Weak AI, Narrow AI
ํน์ ํ ์์
/๋๋ฉ์ธ์์ ์ธ๊ฐ๊ณผ ์ ์ฌํ ์ฑ๋ฅ์ ๋ฐํํ๋
ํ๋ง ํ
์คํธ
Imitation/๋ชจ๋ฐฉ Game
์ ๋ํ ๋ฐ๋ฐ
์ค๊ตญ์ด๋ฐฉ
์ ๋ํ ๋ฐ๋ฐ
System Response
@ ๋น์๋ EBS ์ง๋ฅ ๋ง๋ค๊ธฐ
AI Application Programming
ํผ์ง ์ถ๋ก
I.E. ์นด๋ฉ๋ผ ์ด์
Lisp โ Python?
NP-complete
๐ซ ๋จธ์ ๋ฌ๋ VS ๋ฅ๋ฌ๋
๋จธ์ ๋ฌ๋
Input โ ํน์ง ์ถ์ถ โ ๋ถ๋ฅ, ํ๊ท โ Output
์ธ๊ณต์ ๊ฒฝ๋ง ์์ด Classification ๋ถ๋ฅ๋ Regression ํ๊ทํ๋
Feature Extraction ํน์ง ์ถ์ถ ์ดํ์์์ผ ๋ถ๋ฅ, ํ๊ท๊ฐ ๊ฐ๋ฅ
โ ๋๋ฌธ์ Domain Knowledge ์ ๋ฌธ ์ง์์ด ๋ฅ๋ฌ๋๋ณด๋ค ์๋์ ์ผ๋ก ๋ ์๊ตฌ๋จ
๋ฅ๋ฌ๋
Input โ ํน์ง ์ถ์ถ + ๋ถ๋ฅ ํ๊ท โ Output
์ธ๊ณต์ ๊ฒฝ๋ง์ ์ด์ฉํ ์์น ํด์
์ธ๊ณต์ ๊ฒฝ๋ง ๋ด๋ถ์์ (์์ฒด์์) ๋ถ๋ฅ, ํ๊ท๊ฐ ๊ฐ๋ฅ
๋จธ์ ๋ฌ๋๋ณด๋ค ์๋์ ์ผ๋ก ์ข ๋ ๋ณต์กํ ๋ชจ๋ธ
โ ๋ณต์กํ ๋ฐ์ดํฐ(์, ์ฐจ์์ ์ผ๋ก)๋ฅผ ๋ค๋ฃฐ ๋, ๋จธ์ ๋ฌ๋๋ณด๋ค ์๋์ ์ผ๋ก ๋ ์ ํํ ๋ชจ๋ธ์ ์์ฑํ ๊ฐ๋ฅ์ฑ์ด ๋์
์ธ๊ณต์ ๊ฒฝ๋ง์ ๊ตฌ์ฑํ ๋ ๊ณ์ฐ๋๋ Parameter๊ฐ ๊ต์ฅํ ๋ง๊ณ , ๊ฒฐ์ ํด์ผํ๋ Hyper Parameter๊ฐ ๋ง๊ธฐ ๋๋ฌธ์
๋ฐ์ดํฐ, ๋ชจ๋ธ ์ฌ์ด์ฆ๊ฐ ํด ์๋ก ๋ฅ๋ฌ๋์ด ๋ ์ ๋ง๋ ๊ฒฝ์ฐ๊ฐ ๋ง์
๐ซ ๋จธ์ ๋ฌ๋, ๋ฅ๋ฌ๋์ ์ธ ํ์
ํ๊ท - ์์ผ๋ก ์ด๋ป๊ฒ ๋๋?
Supervised ์ง๋ํ์ต
Input, Output์ ์ฃผ๊ณ ๋ถ๋ฅ, ํ๊ท
Unsupervised ๋น์ง๋ํ์ต
Input๋ง ์ฃผ๋
๋ฏธ์ง์ 2๊ฐ, ๋ฐฉ์ ์ 1๊ฐ = ํ ์ ์๋ ๋ฌธ์
Clustering ๊ตฐ์งํ
Reinforcement ๊ฐํํ์ต
Agent๊ฐ Action์ Environment์ ์ทจํ์ ๋ Reword๋ฅผ ์ฃผ๋..?
๐ซ ๋จธ์ ๋ฌ๋, ๋ฅ๋ฌ๋
Distribution ํ๋ฅ ๋ถํฌ๊ฐ ์ ์ฌํ ๋ฐ์ดํฐ๋ฅผ ํ์ตํด์ผํ๋ค
์ ํต์ ์ธ ๋ฐฉ๋ฒ : ๊ท์น ๋ง๋ค๊ณ ๊ณ ์น๊ณ
๊ทธ๋์ ์ ๋ฌธ ์ง์์ด ์์ด์ผ ํ๋
๋จธ์ ๋ฌ๋ ๋ฐฉ๋ฒ : ์งํผ์ ๊ณ์ ์ต์ ํํ๋
๋ฐ์ดํฐ๋ง ์ ๋ณผ ์ ์๋ค๋ฉด, ์ ๋ฌธ ์ง์ ์์ด๋
๐ซ ๋จธ์ ๋ฌ๋
KNN Classifier
K Nearest Neighbors
๊ทผ์ฒ K ๊ฐ์ ์ด์์ ๊ฐ์ง๊ณ , ๋ด๊ฐ ๋๊ตฌ์ธ์ง
๋๋ฌธ์ K๋ ํ์๋ก
๋ณต์กํ ๋๋ฉ์
๋๋ฆฌ๋ค
Decision Tree
์๊ณ ๋ฆฌ์ฆ ์ฑ๋ฅ ์ธก์ ์ ์ข๋ค
๋ฐ์ดํฐ๋ฅผ ๋ถ๊ฐํด์ Entropy ๋ณต์ก๋๊ฐ ๊ฐ์ฅ ๋ฎ์ ์ ๋์ ๋ฐ์ดํฐ๊น์ง ๊ฐ๋๋ก
์ดํ ๋ถ๋ฅ, ํ๊ท
๋ง์ด ๋ชจ์ด๋ฉด Random Forest
Support Vector Machine SVM
๋ฐ์ดํฐ๋ฅผ ๋ถ๋ฅํ๋ ์ Hyper Line, Hyper Plane
๋ถ๋ฅ ๋ณ๋ก ๊ฐ์ฅ Hyper Line, Hyper Plane๊ณผ ๊ฐ๊น์ด ์์์์ ๊ฑฐ๋ฆฌ๊ฐ ์ต๋๊ฐ ๋๋๋ก
Hyper Line, Hyper Plane์ ๋ง๋๋ Kernel Function โ ์ด๋ ค์
Cost Function, Object Function, ๋ชฉ์ ํจ์๋ฅผ ๋ง๋ค๋๋ ์ด์ ๋๋ง ์ดํดํด๋
๐ซ ๋ฅ๋ฌ๋
์ธ๊ณต์ ๊ฒฝ๋ง, ์ฒด๋ด ์ ๊ฒฝ๋ง์ ์ํ์ ์ผ๋ก ํ์ํ
๋ด๋ฐ โ Node
Input Layer, Hidden Layer, Output Layer
๋ด๊ฐ ๊ฐ์ง๊ณ ์๋ ๋ฐ์ดํฐ์ ๋ํด์๋ง ์ ํฉํ, Overfitting ๋ฌธ์ ์ฃผ์
Activation Function ํ์ฑํจ์
์๊ทน ๋ฐ์, ์๊ณ์น ๊ฐ ์ด์์ ๋๊ฒจ์ฃผ๋ ์ญํ
๊ณ๋จ์ ํจ์, 0 ~ 1 ์๊ทธ๋ชจ์ด๋ ํจ์, ๋ ์ ํจ์ (์ค๋ฒํผํ
๋ฐฉ์ง)
Linearํ ์๊ณ ๋ฆฌ์ฆ์ ์ข ๋ Non Linearํ๊ฒ ๋ณต์กํ๊ฒ ๋ง๋ค์ด์ฃผ๋