총 163개
-
벡터와 행렬의 효과적 활용법 및 머신러닝 응용2025.11.171. 행렬 분해(Matrix Factorization) 행렬 분해는 큰 행렬을 작은 간단한 행렬들로 분해하여 원래 행렬에서 찾을 수 없었던 패턴과 정보를 발견하는 방법입니다. 영화 추천 시스템에서 사용자와 영화 정보를 행과 열로 나타낸 행렬을 분해하여 각 사용자와 영화의 특성을 파악하고 추천을 수행합니다. 선형 대수학의 기본 원리에 근거하며, 복잡한 데이터에서도 간단하게 패턴을 찾을 수 있어 다양한 분석에 활용됩니다. 2. 벡터의 개념과 연산 벡터는 크기와 방향을 가지는 수학적 개념으로, 덧셈, 뺄셈, 스칼라 곱, 벡터 곱 등의 연...2025.11.17
-
고등학교 인공지능수학 평가계획서2025.01.161. 인공지능과 관련된 수학 인공지능의 발전에 기여한 역사적 사례에서 수학이 어떻게 활용되었는지를 이해하고, 인공지능에 수학이 활용되는 다양한 예를 찾을 수 있다. 2. 텍스트 자료의 표현 수와 수학 기호를 이용하여 실생활의 텍스트 자료를 목적에 알맞게 표현할 수 있고, 수와 수학 기호로 표현된 텍스트 자료를 처리하는 수학 원리를 이해하며 자료를 시각화할 수 있다. 3. 이미지 자료의 표현 수와 수학 기호를 이용하여 실생활의 이미지 자료를 목적에 알맞게 표현할 수 있고, 수와 수학 기호로 표현된 이미지 자료를 처리하는 수학 원리를 ...2025.01.16
-
컴퓨터 프로세서 GPU에 대한 조사2025.05.091. GPU의 개념 GPU는 Graphic Processing Unit(그래픽 처리 장치)의 줄임말로, 그래픽 처리, 특히 3D 모델링을 위해 사용되는 프로세서로 탄생하였다. 1990년대 중반까지만 하더라도 3D 그래픽은 주로 CPU로 구현하였지만 게임 등의 수요가 점차 높아짐에 따라 더 빠르고 실시간으로 그래픽 처리를 하는 기능이 필요했다. 그 후 1999년 NVIDIA사에서 GeForce 256을 최초의 GPU라고 판매함으로서 'GPU'라는 명칭이 대중적으로 사용되기 시작했다. 2. CPU와 GPU의 비교 CPU는 매우 복잡한 ...2025.05.09
-
인공지능 시대의 선형대수학 3장 연습문제 풀이2025.11.171. 선형대수학 인공지능 시대의 선형대수학은 현대 AI 및 머신러닝 분야의 기초 수학으로, 벡터, 행렬, 선형변환 등의 개념을 다룬다. 이 교재는 AI 응용에 필요한 선형대수학의 핵심 개념을 체계적으로 설명하며, 실무 중심의 예제와 연습문제를 통해 학습자의 이해도를 높인다. 2. 연습문제 풀이 3장 연습문제 풀이는 해설과 답안을 중심으로 구성되어 있으며, 학생들이 자신의 풀이 과정을 검증하고 올바른 해법을 학습할 수 있도록 돕는다. 각 문제의 단계별 풀이 과정을 제시하여 개념 이해와 문제 해결 능력을 동시에 향상시킨다. 3. 인공지...2025.11.17
-
KAIST 김재철 AI 대학원 입시 기출문제 분석 및 면접 준비 자료2025.11.121. 인공지능 기본 개념 및 연구 분야 인공지능은 인간의 학습능력, 추론능력, 지각능력, 자연언어 이해능력 등을 컴퓨터로 구현한 기술입니다. 주요 연구 분야는 기계학습, 데이터 마이닝, 컴퓨터 비전, 자연어 처리, 강화학습 등을 포함합니다. KAIST 김재철 AI 대학원은 2019년 설립되어 국내 최초로 인공지능 분야 석사, 박사 학위를 수여하며, 세계 최고 수준의 교수진으로 구성되어 있습니다. 2021년 NeurIPS, ICML, ICLR 학회에서 아시아 1위의 논문 발표 실적을 기록했습니다. 2. 논문 작성 및 연구 방법론 과학...2025.11.12
-
[R & E 활동 대회] 다중 연결 리스트(Multi-Linked List)를 이용한 자연어 처리 방법론 연구2025.05.121. 다중 연결 리스트(Multi-Linked List) 다중 연결 리스트(Multi-Linked List)는 단일 연결 리스트와 비슷한 구조이나 동적 할당(Dynamic allocation)과 노드 구조체를 이용하여 각 노드 간 연결이 다중으로 이루어지도록 한 자료 구조입니다. 여러 종류의 단어가 한 특성을 공유하여 다음 문장으로 연결되어야 하는 처리 구조를 이루어야 하므로 본 연구에서 이용한 자료 구조입니다. 2. 자연어 처리 본 연구에서는 신문 기사를 활용한 빅 데이터를 C언어로 구조화하여 단어 간의 상관관계를 파악하여 새로운...2025.05.12
-
광운대 인공지능응용학과 대학원 입시 기출문제 분석2025.11.121. 인공지능 기본 개념 및 연구 분야 인공지능은 인간의 학습능력, 추론능력, 지각능력, 자연언어 이해능력 등을 컴퓨터로 구현한 기술입니다. 주요 연구 분야는 지도학습, 비지도학습, 강화학습, 자연언어처리, 컴퓨터 비전, 음성인식 등을 포함합니다. 딥러닝은 신경망을 이용한 기계학습 기법으로 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에서 활용되고 있으며, 현재 인공지능 분야에서 가장 주목받는 연구 영역입니다. 2. 인공지능 기술의 산업 응용 및 미래 전망 인공지능 기술은 의료, 금융, 제조, 교육, 자율주행, 스마트시티 ...2025.11.12
-
인공지능(AI)학과, 산업융합학과 소개2025.05.101. 인공지능(AI)학과 인공지능(AI)학과는 인간의 학습, 지각, 추론, 이해 능력 등을 컴퓨터 프로그램을 통해 실현하는 것을 목표로 합니다. 여러 학문과 결합하여 각 산업과 사회에 인공지능 기술혁신을 선도할 전문가를 양성합니다. 주요 교과목으로는 뉴럴네트워크, 데이터과학, 딥러닝, 머신러닝, 빅데이터응용, 인공지능개론 등이 있습니다. 2. 산업융합학과 산업융합학과는 인문과 IT 기술의 융합, 컴퓨터과학과 작동원리, 소프트웨어의 작동을 바탕으로 기초적인 교육부터 체계적인 사고를 이용한 컴퓨터와 소프트웨어의 개발 및 응용에 대해 교...2025.05.10
-
컴퓨터 프로세서 GPU에 대한 조사2025.01.071. GPU의 발전 과정 GPU는 1980년대에 최초로 등장하여 그래픽 처리에만 사용되었으나, 1990년대에는 2D, 3D 그래픽 렌더링 전용 장치로 사용되기 시작했다. 2000년대에는 프로그램이 가능한 GPU가 도입되어 일반적인 데이터 처리에도 사용되기 시작했고, 2010년대에는 대량의 코어를 갖춘 고성능 GPU가 도입되어 복잡한 연산을 수행할 수 있게 되었다. 2020년대에는 인공지능과 다양한 디바이스에 통합되어 사용되면서 강력하고 효율적인 처리가 가능해졌다. 2. GPU의 역할과 특징 GPU는 이미지, 멀티미디어 등 그래픽 관...2025.01.07
-
머신 러닝 학습을 위한 데이터 증량하기2025.05.081. 데이터 증강 데이터 증강(Data Augmentation)은 현대 머신러닝과 딥러닝 분야에서 핵심 개념이 되었습니다. 데이터의 양과 질은 모델의 성능과 일반화 능력에 큰 영향을 미치지만, 현실적인 제약으로 인해 충분한 양의 고품질 데이터를 수집하기 어려운 문제를 해결하기 위해 데이터 증강이 등장하였습니다. 데이터 증강은 기존의 데이터를 변형하여 새로운 데이터를 생성하는 과정으로, 모델의 학습과 예측 능력을 향상시킬 수 있습니다. 2. 데이터 증강 기법 다양한 데이터 증강 기법이 개발되어 있으며, 이를 통해 다양한 유형의 데이터...2025.05.08
5 / 17
