총 28개
-
자연어처리 대표논문 읽기 과제2025.01.121. 신경 기계 번역 신경 기계 번역은 최근에 제안된 기계 번역 접근법으로, 기존의 통계 기계 번역과 달리 단일 신경망을 구축하여 번역 성능을 극대화하는 것을 목표로 합니다. 본 논문에서는 기존 신경 기계 번역 모델의 한계를 극복하기 위해 RNN 검색 모델을 제안하였고, 이를 통해 소스 문장의 관련 단어나 주석과 대상 단어를 올바르게 정렬할 수 있게 되었습니다. 실험 결과 제안된 모델이 기존 인코더-디코더 모델을 크게 능가하고 문장 길이에 더 견고한 것으로 나타났습니다. 2. 기계 번역 기계 번역은 소스 문장 x의 조건부 확률 p(...2025.01.12
-
트랜스포머 알고리즘의 개념과 적용 사례2025.01.251. 트랜스포머 알고리즘의 개념 트랜스포머 알고리즘은 주의 메커니즘을 기반으로 하는 딥러닝 모델로, 입력 데이터의 각 요소가 다른 모든 요소와의 관계를 고려하여 변환된다. 이를 통해 순차적인 처리 대신 병렬 처리가 가능하게 되어 학습 속도가 크게 향상되었다. 트랜스포머는 인코더와 디코더로 구성되어 있으며, 각 단계에서 다중 헤드 자기 주의 메커니즘을 사용한다. 이 알고리즘은 2017년 구글의 연구팀이 발표한 논문에서 처음 소개되었다. 2. 트랜스포머 알고리즘의 구조 트랜스포머 모델은 인코더와 디코더 블록으로 구성되어 있다. 인코더는...2025.01.25
-
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
-
챗GPT에게 묻는 인류의 미래 - 김대식 교수와 생성인공지능과의 대화 1장 발췌 요약2025.05.041. 챗GPT의 정의와 '학습' 챗GPT는 오픈 AI가 개발한 대규모 언어 모델이다. 인간처럼 텍스트를 이해하고 생성할 수 있도록 학습되었다. 또 질문에 대답하기, 정보 제공하기, 글쓰기 돕기와 같은 다양한 작업을 보조할 수 있다. 챗GPT는 GPT(Genterative Pre-training Transformer 생성적 사전학습 트랜스포머) 모델의 변형으로, 한 문장 안에서 앞에 오는 단어의 맥락을 고려해 다음 단어를 예측하도록 학습되었다. 2. 작동원리: 트랜스포머와 신경망 챗GPT 모델은 텍스트처럼 순차적 데이터를 처리하는 데...2025.05.04
-
인공지능의 개념과 기술 그리고 활용사례2025.05.161. 약한 인공지능과 강한 인공지능 약한 AI는 인간의 전체적인 인지능력을 필요로 하지 않는 정도의 문제 해결과 추론을 할 소프트웨어의 구현 및 연구를 가르킨다. 반면 강한 AI는 인간의 지능을 가지고 생각을 할 수 있는 컴퓨터를 말한다. 강한 AI는 아직 연구와 신중한 개발이 진행 중이다. 2. 기계학습 기계학습은 컴퓨터 시스템이 데이터를 학습하고 패턴을 파악하여 결정을 내릴 수 있도록 하는 기술이다. 이는 예측, 분류, 군집 등의 작업에서 효과적으로 활용된다. 기계학습은 데이터의 양과 품질이 핵심적인 역할을 하며, 데이터의 수학...2025.05.16
-
인공지능의 개념과 기술 그리고 활용사례2025.01.101. 인공지능의 개념 인공지능(AI)은 인간의 지능을 기계나 컴퓨터 소프트웨어로 구현하는 기술 또는 분야를 의미합니다. 즉, 인공지능은 기계가 인간의 학습, 추론, 문제해결 등의 지능적인 기능을 수행할 수 있는 능력을 가지도록 프로그래밍하거나 학습하는 컴퓨터 과학 분야입니다. 인공지능은 크게 '약한 인공지능(weak AI)'과 '강한 인공지능(Strong AI)'으로 나뉩니다. 약한 인공지능은 특정 작업이나 한정된 범위에서 인간 수준 또는 그 이상의 성능을 발휘할 수 있는 인공지능이며, 강한 인공지능은 모든 인간 지능 활동을 수행할...2025.01.10
-
Transformer 기술이 바꿔버린 AI의 세상2025.05.081. Transformer 기술 Transformer 기술의 출현은 NLP 분야의 혁명과 같았습니다. RNN(순환 신경망)과 같은 이전 기술은 병렬 처리가 불가능하여 GPT와 같은 많은 양의 언어학습을 위해서는 수백년이 걸릴수 있었습니다. 반면, Transformer 기술은 병렬 처리가 가능하여 여러개의 GPU를 병렬로 가동시키면 수백년걸릴 학습기간을 몇개월로 단축시킬 수 있어 대규모 언어를 학습하는 데 사용할 수 있게 되었습니다. 이는 GPT와 같은 생성 AI의 발전에 중요한 획을 그었습니다. 2. Attention 메커니즘 At...2025.05.08
-
A+ 받은 컴퓨터식 사고와 상담 심리학 _기말과제_ 챗봇상담 경험 보고서_워봇2025.04.281. 심층기계학습(딥러닝) 심층기계학습(딥러닝)은 일반적인 기계 학습 모델보다 더 깊은 신경망 계층 구조를 이용하는 기계 학습 기술이다. 주로 여러 개의 은닉층(hidden layer)으로 구성된 인공 신경망을 활용하며, 이는 인간 뇌의 신경 회로망을 모사한 것이다. 심층 기계 학습은 문제를 해결하기 위해 스스로 필요한 특징을 찾아 적절하게 표현하는 학습 능력이 뛰어나 사진에서 개체 인식, 기계 번역, 바둑 등의 분야에서 뛰어난 성능을 보인다. 2. 텍스트 생성 딥러닝 알고리즘 워봇 챗봇은 구글과 오픈AI의 텍스트 생성 딥러닝 알고...2025.04.28
-
인공지능수학 교수 학습 운영 계획(평가계획서)2025.01.171. 인공지능과 수학 인공지능의 발전 과정에서 수학이 어떻게 활용되었는지를 이해하고, 인공지능에 수학이 활용되는 다양한 예를 찾을 수 있다. 인공지능, 기계학습, 딥러닝의 차이를 이해하고 설명할 수 있다. 2. 텍스트 자료의 표현과 처리 수와 수학 기호를 이용하여 실생활의 텍스트 자료를 목적에 알맞게 표현할 수 있다. 수와 수학 기호로 표현된 텍스트 자료를 처리하는 수학 원리를 이해하고 자료를 시각화할 수 있다. 3. 이미지 자료의 표현과 처리 수와 수학 기호를 이용하여 실생활의 이미지 자료를 목적에 알맞게 표현할 수 있다. 수와 ...2025.01.17
-
생성형 인공 지능 입문 족보 대비 문제은행(오프라인 기말고사, 세종대)2025.01.151. 생성형 인공지능이란? 생성형 인공지능은 데이터 전처리, 모델 학습, 결과 생성으로 구성되며, GPT와 ChatGPT와 같은 모델이 대표적입니다. 생성형 인공지능은 텍스트, 이미지, 소리, 동영상 등 다양한 콘텐츠 생성에 활용되지만, 데이터 의존성, 모델 복잡성, 윤리적 문제 등의 한계가 있습니다. 이를 해결하기 위해 데이터 증강, 전이 학습, 하드웨어 개선, 효율적인 알고리즘 개발 등의 방안이 필요합니다. 2. 언어 처리 신경망 개요 RNN은 순차 데이터 처리를 위해 필요하지만, 기울기 소실 문제가 있습니다. LSTM과 GRU...2025.01.15
1 / 3
