AI/머신러닝11 [AI 부트캠프] DAY 48 - 머신러닝 3 [오늘의 일지] 머신러닝 녹화 강의 - 머신러닝을 위한 개념 수업 (eXplainable Method, Clustering) [상세 내용] 머신러닝을 위한 개념 eXplainable Method - "eXplainable Method"은 보통 "XAI" 또는 "Explainable Artificial Intelligence"의 줄임말로 사용되며, 인공 지능 모델이나 시스템의 작동 방식을 해석하고 설명하는 데 사용되는 방법을 가리킵니다. 이것은 주로 머신 러닝 모델 및 딥 러닝 네트워크와 같은 복잡한 AI 시스템에서 중요한 개념입니다. XAI 기술은 블랙박스로 알려진 머신 러닝 모델의 한계를 극복하려는 노력의 일환으로 발전하고 있으며, 이는 의료 진단, 금융 예측, 자율 주행 자동차, 법률 등 다양한 응용.. 2023. 9. 22. [AI 부트캠프] DAY 47 - 머신러닝 2 [오늘의 일지] 머신러닝 녹화 강의 - 머신러닝을 위한 개념 수업 (Classification) [상세 내용] 머신러닝을 위한 개념 Classification - Classification(분류)은 머신 러닝 및 통계 분석의 하위 분야로, 데이터 포인트를 여러 클래스 또는 범주 중 하나로 분류하는 작업을 의미합니다. Classification은 주어진 입력 데이터를 사전 정의된 범주 또는 레이블로 할당하는 과정입니다. 이렇게 할당된 클래스 또는 레이블은 데이터의 특성과 패턴을 기반으로 결정됩니다. Classification를 위한 Loss Function - Classification는 말 그대로 분류라는 의미이기 때문에 분류가 되었는지를 참으로 판단을 하는 로스 함수를 가지게 됩니다. 그 예시로는 불순.. 2023. 9. 21. [AI 부트캠프] DAY 46 - 머신러닝 1 [오늘의 일지] 머신러닝 녹화 강의 - 머신러닝을 위한 개념 수업 (Regression) [상세 내용] 머신러닝을 위한 개념 Regression - 회귀(Regression)는 통계 및 기계 학습에서 사용되는 개념으로, 입력 변수(또는 특성)와 연속적인 출력 변수(타깃 또는 레이블) 간의 관계를 모델링하는 기법을 가리킵니다. 이 모델링은 주로 다음과 같은 목적을 가지고 이루어집니다. 예측: 주어진 입력 변수에 대해 연속적인 출력 변수의 값을 예측합니다. 예를 들어, 주택의 특성(크기, 위치, 침실 수 등)을 사용하여 주택 가격을 예측하는 것이 회귀 분석의 한 예입니다. 관계 파악: 입력 변수와 출력 변수 사이의 관계를 이해하고 설명합니다. 회귀 분석은 어떤 입력 변수가 출력 변수에 어떤 영향을 미치는지를.. 2023. 9. 20. 이전 1 2 3 다음 반응형
