총 432개
-
AI, 머신러닝, 딥러닝의 관계2025.01.151. 인공지능(AI) 인공지능(AI)은 인간의 인지 기능을 모방하여 만들어진 기술로, 학습, 추론, 문제 해결과 같은 지능적 행동을 컴퓨터가 수행할 수 있게 합니다. AI는 처음에는 간단한 규칙과 로직을 기반으로 작동하는 시스템에서 출발했지만, 시간이 흐르며 머신러닝과 딥러닝과 같은 고급 기술로 발전했습니다. AI 기술은 지식 표현, 추론, 계획, 학습, 자연어 처리, 지각 등 다양한 기능을 통해 인간의 능력을 확장하고 산업 혁신을 촉진하고 있습니다. 2. 머신러닝 머신러닝은 데이터로부터 학습하여 패턴을 인식하고 예측을 수행하는 A...2025.01.15
-
건국대학교 오픈소스SW프로젝트 1 머신러닝으로 해결할 수 있는 문제, 머신러닝의 세가지 요소2025.01.191. 머신러닝을 적용할 수 있는 문제 사용자의 음식 기호에 맞는 한식 추천 문제를 해결하기 위해 비지도학습의 분류를 사용할 수 있으며, 서포트벡터 머신 모델을 고려하고 있다. 또한 사용자에게 세 가지 정도의 한식을 추천하는 것을 목표로 하고 있다. 2. 머신러닝의 3가지 요소 머신러닝의 핵심 요소는 Task, Experience, Performance measure이다. Task는 머신러닝을 통해 해결하려는 문제, Experience는 실제 데이터를 바탕으로 한 학습, Performance measure는 학습을 바탕으로 생성된 모...2025.01.19
-
머신러닝 효과검증2025.05.101. 머신러닝 효과검증 머신러닝 과제의 실제 효과를 보여주기 위해 다음과 같은 방법들을 고려할 수 있습니다: 정량적인 성능 개선, 시간과 비용 절감, 예측 능력 개선, 인사이트 제공, 실제 시스템 통합. 이러한 방법들을 통해 머신러닝 과제의 실제 효과를 증명할 수 있습니다. 과제의 목적과 환경에 따라 적절한 방식으로 결과를 제시하는 것이 중요합니다. 2. 제조 수율영향성 분석 수율 영향성을 분석하는 머신러닝 과제를 위한 분석 툴을 제작하기 위해 다음과 같은 절차를 따를 수 있습니다: 데이터 수집, 데이터 전처리, 특성 선택 및 추출...2025.05.10
-
MATLAB 머신러닝, 딥러닝, 강화학습 예제 실습하기2025.05.161. MATLAB MATLAB은 MathWorks사에서 개발한 공학용 소프트웨어로, 행렬을 기반으로 계산, 함수나 데이터를 그림으로 그리는 기능 및 프로그래밍을 통한 알고리즘 구현 등을 제공하며, 수치계산이 필요한 과학 및 공학 분야에서 다양하게 사용되는 프로그램이다. 2. 머신러닝 머신러닝은 인공지능의 하위 분야 중 하나로, 데이터를 기반으로 컴퓨터가 스스로 학습하고 예측하는 알고리즘을 연구하고 개발하는 기술 분야이다. 알고리즘의 유형에는 지도학습, 비지도학습(자율학습), 강화학습 이렇게 크게 세가지 정도가 있다. 3. 딥러닝 딥...2025.05.16
-
머신러닝, 딥러닝을 활용한 부동산 거래 지원 서비스 제안2025.01.041. 머신러닝과 딥러닝의 개념 머신러닝은 기계가 데이터와 알고리즘을 사용해 스스로 학습하고 지능을 높여가는 인공지능 기술이다. 딥러닝은 기계학습의 고차원적 수준으로, 연속된 층을 점진적으로 심도 있게 학습할 수 있다. 이를 통해 기계가 사람처럼 자연스럽게 사고하고 행동하는 것이 가능해진다. 2. 머신러닝과 딥러닝의 활용 사례 머신러닝과 딥러닝은 다양한 분야에서 활용되고 있다. 챗봇, 음성인식, 이미지 인식, 기계 번역 등이 대표적인 사례이다. 부동산 분야에서도 머신러닝을 활용해 부동산 가격 예측, 투자 의사결정 지원 등에 활용되고 ...2025.01.04
-
머신러닝 출석수업 만점 과제2025.01.251. 머신러닝 머신러닝은 인공지능의 한 분야로, 데이터를 이용하여 알고리즘을 학습시켜 문제를 해결하는 기술입니다. 이 과제는 머신러닝 수업의 출석수업 과제물로, 코드 작성과 컴파일 결과를 포함하고 있습니다. 1. 머신러닝 머신러닝은 인공지능 기술의 핵심 분야로, 데이터를 기반으로 학습하고 예측하는 능력을 갖추고 있습니다. 이를 통해 다양한 분야에서 효율적이고 정확한 의사결정을 내릴 수 있습니다. 특히 의료, 금융, 제조업 등 많은 산업 분야에서 머신러닝 기술이 활용되고 있으며, 앞으로도 그 활용 범위가 더욱 확대될 것으로 예상됩니다...2025.01.25
-
규칙기반인공지능, 머신러닝, 딥러닝의 정의와 장단점2025.01.211. 규칙기반 인공지능 규칙기반 인공지능은 인간의 지능을 기계에 부여하고자 하는 시도로, 계산 과정을 정의하는 기호와 기호 간 연산 규칙을 정의하는 초기 인공지능 기술입니다. 이는 자연어 처리, 수학적 정리 증명, 문제 해결, 전문가 시스템, 의사결정, 게임 등의 분야에서 성과를 보였지만, 학습 능력 부족과 패턴 인식 한계로 인해 1980년대부터 쇠퇴하게 되었습니다. 2. 머신러닝 머신러닝은 데이터를 학습하여 프로그램 스스로 결과를 얻도록 하는 인공지능 기술입니다. 특성 추출과 모델 학습을 통해 자율주행, 문자 인식, 개인비서, 의...2025.01.21
-
스마트기술을 활용한 유지관리 인공지능, 머신러닝, 딥러닝 기술의 차이점2025.01.031. 인공지능 인공지능은 인간의 학습 능력과 추론 능력, 지각 능력 등을 컴퓨터 프로그램으로 실현한 기술을 말한다. 대표적인 인공지능 서비스로는 2018년에 SKT에서 출시한 AI 상담원 채티가 있다. 2. 머신러닝 머신러닝은 인공지능을 발전시키기 위해서 기계를 학습시키는 다양한 방법에 대한 학문이다. 대표적인 머신러닝 기술이 적용된 제품으로는 ADT 캡스가 2020년에 출시한 얼굴인식기를 통해 신분을 확인하는 '캡스 스마트패스'가 있다. 3. 딥러닝 딥러닝은 머신러닝보다 더 작은 개념으로 '신경망'을 통해서 인공지능을 만드는 머신...2025.01.03
-
선형회귀(Linear Regression)는 통계인가 머신 러닝인가?2025.05.081. 선형회귀 선형 회귀는 연속 값을 예측하는 데 사용되는 통계 방법입니다. 선형 회귀 모델은 두 변수 간의 관계를 설명하는 선형 방정식을 찾는 통계적 방법입니다. 선형 회귀 모델은 통계, 공학, 마케팅, 금융, 제조를 포함한 다양한 분야에서 사용됩니다. 선형 회귀는 데이터를 설명하고 미래를 예측하는 데 사용할 수 있는 가장 널리 사용되는 방법입니다. 2. 통계와 머신러닝 머신러닝의 등장으로 선형회귀는 주로 '지도 학습' 문제에서 사용됩니다. 선형회귀는 입력 변수와 출력 변수 사이의 선형적인 관계를 모델링하여 새로운 입력에 대한 출...2025.05.08
-
통계학과 머신러닝에서의 회귀 분석 목적 비교2025.04.271. 통계학에서의 회귀 분석 통계학에서의 회귀 분석은 여러 변수 사이의 경향성을 분석하는 방법으로, 한 변수의 값이 다른 변수의 값을 설명할 수 있도록 두 변수의 관계를 수식으로 표현하고 데이터로부터 추정하는 분석을 의미한다. 단순 선형 회귀 분석, 다중 선형 회귀 분석, 비선형 회귀 분석 등 다양한 방법이 있다. 2. 머신 러닝에서의 회귀 분석 머신 러닝은 인공지능의 연구 분야 중 하나로, 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술이다. 머신 러닝에서의 회귀 분석은 입력 데이터를 기반으로 예측이나 결정을 도출...2025.04.27
1 / 44
