총 641개
-
인공지능 기반의 기계 ) 인간의 창작 활동이 기계의 영역과 교차할 수 있을 것인가 로봇과의 예술적 공존의 방법은 무엇인가2025.05.131. 인간의 창작 활동과 기계의 영역의 교차 인공지능 기반의 기계, 로봇 등이 점차 우리 삶의 깊숙한 부분까지 들어오면서, 창작 및 문화예술 산업에서도 다양한 인공지능 프로그램이 활발하게 사용되고 있다. 이에 따라 인간의 창조적 활동이 기계의 영역과 교차할 때 예술의 질과 예술가의 창의성이 어떻게 변화하는지에 대한 논의가 필요하다. 인공지능은 데이터와 알고리즘을 기반으로 작품을 생성하므로 한계가 존재하지만, 예술가와 인공지능의 협력을 통해 이를 극복하고 새로운 창조적 작품을 만들어낼 수 있는 가능성이 있다. 2. 인공지능과 인간의 ...2025.05.13
-
텐서플로우 딥러닝 (CNN)2025.05.051. 데이터 세트 학습 데이터에 사용할 영상은 Google에서 이미지 검색으로 꽃을 검색하고, FatKun이라는 크롬 확장 프로그램을 사용하여 영상을 다운로드 받았다. 테스트 데이터에 사용할 영상은 꽃을 직접 구입하여 촬영한 영상 데이터를 사용했다. 학습 데이터는 총 234개, 테스트 데이터는 총 150개이며, 검증 데이터는 훈련데이터의 20%를 사용하여 총 57개이다. 2. 합성곱 신경망 (CNN) 기본적으로 이미지 분류를 하기 위해서는 합성 곱 신경망(CNN)이 필요하다. 2차원 CNN의 특징 추출 부분은 MaxPool2D층과 ...2025.05.05
-
트랜스포머 알고리즘의 개요와 적용 사례2025.01.171. 트랜스포머 알고리즘 트랜스포머 알고리즘은 2017년 구글의 연구팀이 발표한 딥러닝 모델로, 자연어 처리(NLP) 분야에서 혁신적인 변화를 가져왔습니다. 이 알고리즘은 인코더-디코더 구조와 어텐션 메커니즘을 기반으로 하며, 병렬 처리와 확장성을 통해 대규모 데이터를 효율적으로 처리할 수 있습니다. 2. 트랜스포머 알고리즘의 구조 트랜스포머 알고리즘은 인코더와 디코더로 구성됩니다. 인코더는 입력 데이터를 고차원 벡터로 변환하고, 디코더는 이 벡터를 다시 출력 데이터로 변환합니다. 핵심은 어텐션 메커니즘으로, 입력 데이터의 각 요소...2025.01.17
-
트레이닝의 원리와 사례2025.01.031. 트레이닝의 원리 트레이닝을 통해 인간은 근력과 지구력, 심폐기능을 발달시킬 수 있으며, 신진대사를 활성화시켜 균형 잡힌 몸매를 만들 수 있다. 트레이닝의 기본적인 원리에는 과부하의 원리, 점증 부하의 원리, 개별화의 원리, 반복성의 원리, 특이성의 원리가 있다. 이러한 원리들을 이해하고 실천하면 효과적으로 몸매를 가꿀 수 있다. 1. 트레이닝의 원리 트레이닝의 원리는 인간의 학습 과정을 모방한 것으로, 반복적인 연습과 피드백을 통해 특정 기술이나 지식을 습득하는 것을 말합니다. 이는 기계 학습 분야에서도 핵심적인 개념으로, 알...2025.01.03
-
경영정보시스템 ) 인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오.2025.05.161. 약한 인공지능과 강한 인공지능의 비교 약한 인공지능은 한 가지 특정 작업을 수행하는 것을 목표로 하는 인공지능이며, 강한 인공지능은 인간의 지능과 비슷한 기능을 하는 것을 목표로 한다. 약한 인공지능은 미리 정해진 데이터와 알고리즘을 통해 최적의 결과를 만들어내는 것이 목표이지만, 강한 인공지능은 다양한 기능을 수행하고 새로운 문제를 해결하는 방법을 직접 찾는 것을 목표로 한다. 2. 기계학습의 특징 기계학습은 인공지능을 구현하는 방법 중 하나로, 빅데이터를 반복적으로 분석하여 데이터 내부의 규칙성과 패턴을 추출하고 이를 바탕...2025.05.16
-
평가 데이터를 활용하여 기존 모델을 업데이트하는 베이지안 추론 (파이썬코드 예제포함)2025.05.091. 베이지안 추론 베이지안 추론은 데이터를 통해 모델을 업데이트하고 불확실성을 다루는데 유용한 통계적 추론 방법입니다. 특히, 새로운 데이터가 주어진 상황에서 모델의 파라미터를 추정하고 예측하기 위해 사용됩니다. 베이지안 추론은 사전 분포와 관측 데이터를 조합하여 사후 분포를 계산하며, 이를 통해 모델의 불확실성을 업데이트할 수 있습니다. 2. 모델 업데이트 데이터에 대한 정보를 사전 분포에 반영하고, 관측 데이터와 사전 분포를 조합하여 사후 분포를 계산함으로써 신뢰할 수 있는 결과를 얻을 수 있습니다. 이를 통해 기존 모델을 새...2025.05.09
-
광운대학교 전기공학실험 실험7. 디코더와 인코더 결과레포트2024.12.311. 디코더와 인코더 이 실험은 코드의 개념을 이해하고 이진코드와 BCD코드가 무엇인지 숙지하는 것을 목표로 합니다. 또한 디코더와 인코더의 원리와 구성방법을 실험을 통해 이해하고 이를 응용 및 설계하여 실용적 목적 회로 구성에 대한 연습을 진행합니다. 실험을 통해 NAND 게이트로 구성한 논리회로가 기존 회로와 동일하게 작동하는 것을 확인하였고, 74138 디코더와 74148 인코더의 동작 원리를 이해할 수 있었습니다. 또한 Enable 기능과 회로 구성법, 진리표 분석, 우선 기능 등을 실험적으로 확인할 수 있었습니다. 1. 디...2024.12.31
-
최신 컴퓨터 응용 기술의 발전과 사회적 영향2025.11.151. 인공지능(AI)과 기계 학습 인공지능은 인간의 학습, 판단, 문제 해결 능력을 모방하는 컴퓨터 시스템이며, 기계 학습은 데이터로부터 독립적으로 개선하는 과정입니다. 의료 진단, 주식 시장 분석, 자율 주행 자동차, 언어 번역 등 광범위한 분야에서 활용되고 있습니다. 의료 분야에서는 질병 조기 진단에 기여하고, 금융 분야에서는 투자 위험 감소에 도움을 줍니다. 그러나 프라이버시 침해, 일자리 감소, 기계 의존도 증가 등의 사회적, 윤리적 문제를 야기합니다. 2. 빅데이터 분석 빅데이터는 대용량의 복잡한 데이터 집합을 처리하여 가...2025.11.15
-
경영정보시스템_인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오2025.01.151. 약한 인공지능과 강한 인공지능의 비교 약한 인공지능(AI)은 특정 작업을 수행하도록 설계된 인공지능으로, 사람처럼 사고하거나 인식하는 능력은 없다. 반면, 강한 인공지능은 인간과 유사한 사고, 이해, 학습 능력을 갖춘 인공지능을 말한다. 강한 AI는 현재 기술로는 아직 실현되지 않았으며, 과학 소설이나 미래 기술에 대한 논의에서 주로 다루어진다. 2. 기계학습의 개념과 특징 기계학습은 컴퓨터가 데이터를 통해 스스로 학습하고, 패턴을 인식하여 의사결정을 개선할 수 있는 능력을 갖추게 하는 기술분야이다. 기계학습의 가장 큰 특징은...2025.01.15
-
머신러닝에서의 차원축소2025.05.101. 차원 축소 차원 축소는 고차원 데이터를 저차원으로 변환하는 과정으로, 데이터의 복잡성을 줄이고 특징을 추출하거나 시각화하기 위해 사용됩니다. 주요 방법으로는 특징 선택과 특징 추출이 있으며, 차원 축소의 이점은 데이터 시각화, 계산 효율성 향상, 잡음 제거 등입니다. 2. 차원의 개념 차원은 데이터를 표현하기 위해 필요한 축의 수를 의미하며, 각 차원은 데이터의 특정 특성을 나타내는 변수 또는 속성이 됩니다. 차원이 높을수록 데이터의 복잡성과 계산 비용이 증가하므로 차원 축소가 필요합니다. 3. 특징(feature)의 개념 특...2025.05.10
2 / 65
