총 110개
-
텐서플로우 딥러닝 (Tic-Tac-Toe)2025.05.051. 데이터 세트 tic-tac-toe.csv 파일에는 TL, TM, TR, ML, MM, MR, BL, BM, BR 속성과 class 속성이 포함되어 있습니다. TL, TM, TR, ML, MM, MR, BL, BM, BR 속성은 각 게임 보드의 위치를 나타내며, 값은 'x', 'o', 'b'로 표현됩니다. class 속성은 게임 결과를 나타내며, 'TRUE'는 x가 이겼음을, 'FALSE'는 x가 졌음을 의미합니다. 2. 2층 신경망 입력 층은 9D(TL, TM, TR, ML, MM, MR, BL, BM, BR)를 받습니다. 은...2025.05.05
-
[A+] 데이터 과학, 데이터 애널리틱스, 데이터 분석, 인공지능, 머신러닝, 딥러닝 단어 설명 (무역학과 글로벌비즈니스애널리틱스)2025.01.241. 데이터 과학 데이터 과학은 방대한 데이터를 수집, 처리, 분석하여 의미 있는 정보를 추출하는 과정을 연구하는 학문입니다. 데이터 과학은 다양한 통계적 기법과 머신러닝 알고리즘을 사용하여 데이터를 기반으로 유의미한 통찰을 도출하고, 이를 통해 비즈니스 문제를 해결합니다. 데이터 과학은 데이터 엔지니어링, 데이터 분석, 모델링, 시각화, 그리고 결과 해석의 과정을 포함하여 기업이 데이터를 통해 실질적인 가치를 얻을 수 있도록 돕습니다. 2. 데이터 애널리틱스 데이터 애널리틱스는 데이터를 기반으로 특정 문제를 분석하고, 그에 대한 ...2025.01.24
-
현대 컴퓨터 과학의 발전과 알고리즘의 역할2025.05.161. 컴퓨터 과학의 발전과 알고리즘의 역할 현대의 컴퓨터 과학 발전은 꾸준한 연구와 발전의 연속이라 할 수 있습니다. 특히, 알고리즘이 이러한 발전의 핵심이 되어왔다는 것이 많은 학자들의 공통된 견해입니다. 본 장에서는 'The Nature of Computation'이라는 논문을 통해 현대 컴퓨터 과학의 기원과 알고리즘의 중요성에 대하여 자세히 알아보겠습니다. 2. 자연어 처리 분야의 딥러닝 동향 최근 연구에서는 자연 언어 처리(NLP) 분야에서 딥러닝의 동향을 관찰할 수 있습니다. 이 주제에 대하여, 최근 논문 'Attentio...2025.05.16
-
챗GPT의 개념과 특징, 활용사례 및 효과, 교육적 활용 가치 및 앞으로의 전망2025.01.141. 챗GPT 챗GPT는 GPI 언어 모델을 기반으로 하는 AI 기반 챗봇으로, 딥러닝 기술을 사용하여 대화하는 형태로 인간과 유사한 응답을 생성합니다. 방대한 양의 데이터를 통해 훈련된 챗GPT는 사용자들에게 매우 인상적인 기능을 제공하고 있으며, 기존에 컴퓨터가 할 수 없다고 생각했던 일들을 해내고 있습니다. 2. AI 기반 챗봇 챗GPT는 AI 기반 챗봇으로, 딥러닝 기술을 사용하여 대화하는 형태로 인간과 유사한 응답을 생성합니다. 이러한 AI 기반 챗봇 기술은 사용자들에게 매우 인상적인 기능을 제공하고 있으며, 기존에 컴퓨터...2025.01.14
-
IT와경영정보시스템1공통 인공지능AI 학습고안된 LLM Large Language Model 대규모언어모형과 LMMLarge Multimodal Mode 대규모멀티모달모형 비교하시오002025.01.261. LLM (Large Language Model; 대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 처리(NLP) 작업에 초점을 맞춥니다. 이러한 모델은 대량의 텍스트 데이터를 통해 언어의 구조, 의미 및 맥락을 이해하고 생성하는 능력을 가지고 있습니다. 예시로는 GPT(Generative Pre-trained Transformer), BERT(Bidirectional Encoder Representations from Transformers) 등이 있습니다. 2. LMM (Large Multim...2025.01.26
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 이해(NLU)와 자연어 생성(NLG)에 강점을 지닌다. 대표적인 예로는 OpenAI의 GPT 시리즈가 있으며, 이들은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 수준의 텍스트 생성 능력을 보유하고 있다. LLM은 주로 챗봇, 자동 번역, 텍스트 요약, 감정 분석 등 다양한 언어 처리 작업에 활용된다. 2. LMM(대규모 멀티모달 모형) LMM은 텍스트뿐만 아니라 이미지, 음성, 비디오 등 다양한 형태의 데이터를 동시에 처리할 수 ...2025.01.26
-
인공지능 특징 및 관련 산업군 정리2025.05.011. 인공지능의 역사 인공지능은 1956년 미국 다트머스 컨퍼런스에서 처음 등장했으며, 이후 논리학, 심볼릭 AI, 전문가 시스템, 기계 학습 등 다양한 분야에서 발전해왔습니다. 1980년대 중반에는 전문가 시스템과 인공신경망 분야에서 발전이 있었고, 1990년대에는 기계 학습 기술이 대중화되면서 인공지능 연구에 다시 활기가 돌아왔습니다. 2000년대에는 대량의 데이터 처리와 딥러닝 기술의 발전으로 인공지능 기술이 급속히 발전하고 있으며, 현재 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에서 활용되고 있습니다. 2. 인공...2025.05.01
-
4차 산업혁명과 인공지능2025.04.261. 인공지능 인공지능은 기계로부터 만들어진 지능을 의미하며, 컴퓨터와 소프트웨어, 기계를 통해 만들어진다. 인공지능에는 강 인공지능과 약 인공지능이 있는데, 강 인공지능은 인간처럼 자유로운 사고가 가능하고 프로그램에 의해 자아를 가지고 있는 반면, 약 인공지능은 자의식이 결여되어 특정 분야에 선택적으로 개발되어 생산성을 높이고 인간의 한계를 극복하기 위해 만들어진다. 또한 인공지능에는 머신러닝과 딥러닝이 있는데, 머신러닝은 다수의 사건경험을 가지고 패턴을 학습해 통계를 바탕으로 판단을 내리는 것이며, 딥러닝은 머신러닝의 발전된 형...2025.04.26
-
인공지능의 기본 개념과 원리 및 일상생활과 교육 분야에서의 활용 사례2025.01.181. 인공지능의 기본 개념 인공지능(AI)은 인간의 지능적 작업을 수행할 수 있도록 컴퓨터 시스템을 설계하고 개발하는 학문 분야입니다. AI는 기계 학습, 자연어 처리, 로보틱스 등 다양한 하위 분야를 포함하며, 인간의 학습, 추론, 문제 해결 능력을 모방하는 것을 목표로 합니다. 2. 인공지능의 원리 인공지능의 원리는 크게 두 가지로 나뉩니다. 첫째, 기계 학습은 데이터를 이용하여 컴퓨터가 학습하고 예측 모델을 만드는 과정입니다. 둘째, 딥 러닝은 인공 신경망을 사용하여 데이터를 계층적으로 처리하고, 복잡한 패턴과 관계를 학습하는...2025.01.18
-
인공지능의 개념과 기술 그리고 국내외의 활용사례2025.01.181. 인공지능의 분류 인공지능은 크게 약한 인공지능과 강한 인공지능으로 분류할 수 있다. 약한 인공지능은 기계학습 기술을 가진 전문가들이 설계한 시스템으로, 특정 분야에서 지능적인 행동을 한다. 강한 인공지능은 사람처럼 자유롭게 생각하고 감정을 표현할 수 있는 범용 인공지능을 의미한다. 2. 기계학습 개념 및 특징 기계학습은 데이터를 분석하고 학습한 내용을 의사결정에 적용하는 알고리즘이다. 기계학습은 다수의 사례를 통해 패턴을 학습하고 이를 바탕으로 판단한다는 점에서 '패턴 인식'이라고도 불린다. 기계학습은 알고리즘을 통해 데이터를...2025.01.18
1 / 11
