- 오프라인 4회
개인/조별/결과물
- 수료기준 : 70% 이상 출석 시 발급
- 출결관리 :
1일 3회
지각 3회, 조퇴 3회 = 결석 1회
- 사전/사후평가
교육생 교육능력 평가
녹화된 동영상 제공 X
문의처 대구AI허브 (인스타그램, 페이스북)
053-217-1010 / ai@aict.or.kr
hub.aifor.kr
수학
낙오했다고 여기서부터 다시 진입하면 돼. 라는 힌트를 줬다면,
6년이라는 시간이 그렇게 보내진 않았을거같아요.
그래서 여러분들한테 선행과 후행에 대해서 수업을 하면서 자주 얘기를 할 거에요.
자꾸 물어보셔야해요. 뭐가 선행이고 후행인지.
자 그다음에 다음주에 이숙번님께서 통계를 할거고, 통계는 오렌지3는 할 줄 아셔야해요.
8/9 오렌지3 시각화 수업은 아마도 통계 수업에 의존한는 후속 수업
8/12 다음 웹 수업 HTML, CSS, Teachable machine
어떤건 동영상, 어떤건 라이브로,
오늘은 동영상.
중간중간 멈추고 토론하고 에베레스트를 오르는 첫걸음이 아니라 큰틀의 울타리를 갖고 떠나는 졸업하시는.
포기가 아니라 졸업한 것. 오늘만 들어도.
강사는 무의식이라고 생각하시면.
첫번째는 어떻게 공부할 것인가. 감정을 디자인하라.
머신러닝1
머신러닝 경험을 주기 위한 강의.
머신러닝 기계학습 - 인간의 판단을 위임.
전염병을 판단하는
자동으로 번역
자율주행
해결해야할 문제 때문에 심각하게 절망하는 엔지니어라고 상상해보세요.
가상의 절망감 - 공부와 미묘한 관계 때문.
공부는 왜 필요한가? 문제를 해결하기 위해서.
여러분이 해결해야하는 문제가 나의 일이라면, 공부는 구원자가 될 것이요,
반대로 해결해야할 문제가 작고 남의 문제라면, 공부 자체가 문제를 키워서 우리를 억압하는 독재자가 될 것입니다.
공부와 문제는 상대자. 문제보다 공부가 훨씬 이 쉬운 이 절묘한 비율이 기적적으로 맞아떨어지는 경험은 우리 인생에서 흔치 않은 일이므로
우리는 문제를 키우고, 최소한의 공부만
그럼 공부도 설레이는 것이 될 수 있다.
노력하는 자기 자신을 발견하게 될 것입니다.
두번째 지식을 디자인하라.
무언가를 결정하는 것.
결정 = 비교와 선택으로 이뤄져있음.
좋은 결정을 위한 몸무림. 수를 만들어서 대소관계를 표를 만들었다.
수 - 비교를 위한 가장 좋은 도구.
통게 -
결정 - 더 인간적인 영역. 인간의 고유한 영역을 컴퓨터에게 맡기고 싶다.
기계학습(머신러닝)
망원경이 있다고 눈이 필요없는게 아니라, 우리의 눈을 더욱 눈답게 해준다.
자동차가 있다고 발이 필요없어지는 것이 아니듯,
머신러닝은 우리의 판단 능력을 확장해서 더욱 빠르고 결정하도록 도와준다.
나의 두뇌를 더욱 두뇌답게 만들어봅시다.
세번째 꿈에 대한 이야기
나의 문제를 머신러닝으로 해결해보기 위해,
"해결하고자 하는 문제"가 없다면 지식은 목적없는..
"습관"
가상의 문제를 크고 절망적으로 생각하는 것.
의지만으로는 습관을 이기기 쉽지 않다.
습관에 지속적으로 영향을 주는 환경을 바꾸면 습관이 바뀌어진다.
습관은 의지를 이긴다.
의지는 환경을 이긴다.
환경은 습관을 이긴다.
새로운 환경을 바꿔주면 새로운 의지가 바뀌어진다.
일 = 두가지 요소로 이뤄져있다.
하고 싶은 일 "꿈" + "능력"
꿈과 능력은 영혼과 육체의 관계처럼 나눌 수 없다.
일할 수록 능력이 있다고 간주하고 꿈을 꾸는 것이 중요하다.
원리 / 수학 / 코딩
머신러닝은 원리를 이용해서 수학과 코딩으로 이뤄져있다.
수학과 코딩이 필요할 것이다. 언젠가는.
먼저 사용자가 되어 머신러닝을 활용해보자.
머신러닝을 이용할 궁리를 하는 것. 우리는 지금 몽상이 아닌 혁명이 될 수 있는 놀라운 세계에 살고 있다.
수학
코딩
머신러닝 - 티처블머신 Teachable Machine
TeachableMachine.withgoogle.com
기분이 좋아야...
ml-app.yah.ac
티처블머신에서 모델을 앱으로 만들어주는 서비스
- 일반공장사진 -> 불난공장사진 비교 모델 -> 119 신고 앱
- 디지털장의사앱 -> 요청고객 -> 인터넷동영상비교 -> 해당사진만골라내기
8:15~8:30 휴식시간
레모네이트 가게
레몬 예측
온도에 2를 곱하면 판매량이 됨. 판매량 예측 모델!
요일, 날짜, 경쟁사 등 현실에서는 다양한 비교값이 존재함. 머신러닝이 자동으로 공식을 만들어낼 수 있음.
- 머신러닝으로 해결할 수 있는 문제를 찾아보세요.
레모네이트 카페
환경 : 레모네이트 가게를
bit.ly/ml-my-plan
https://opentutorials.org/course/4548
https://docs.google.com/spreadsheets/d/1mdCb-xRYBAsAOeiC7miyQgcMqVzCpg_67OmfdGRvVAY/edit#gid=1139916340
https://forms.gle/exUJe2ShCWnjqw5c7
데이터공학 data engineering
데이터과학 data science
독립변수 / 종속변수 (인과관게 존재)
9:20~9:30 휴식시간
지도학습 supervised learning
문제집을 푸는 것과 같다. 문제를 푸는 것에 익숙해진다. 비슷한 문제를 만나면 오답을 줄여갈 수 있다.
비지도학습 unsupervised learning
지도학습에 포함하지 않는 것. 기계에게 데이터에 대한 통찰력을 부과하는 것.
통찰은 예리한 시선으로 사물을 꽤뚫어봄. 사물의 관계를 밝혀내는 것. 데이터의 성격, 정리정돈에 활용함.
강화학습 reinforcement learning
지도학습과 유사하다. 차이점은 지도학습은 문제를 알려주는 것에 비해,
강화학습은 어떤게 나은지 수련하는 것과 같다. 경험을 통해 좋은 답을 찾아가는 것.
게임은 규칙이 있고, 규칙에 따라 상벌을 받는다. 더 큰 상을 받는 과정을 반복하다보면 고수가 된다.
기계 스스로 고수가 되도록 성장하도록 하는 것이 강화학습이다.
정답이 있는 문제를 해결하는 것은? 지도학습
무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것은 무엇인가요? 비지도학습
더좋은보상을 받기 위해서 수련하는 것은 무엇인가요? 강화학습
지도학습
역사와 비슷하다. 원인->결과
과거의 데이터를 기반으로 미지의 데이터를 추측하는것.
이 때 지도학습을 이용한다. 하기 위해서는 충분히 많은 데이터가 필요하다.
원인/결과를 학습시키면 모델을 만든다.
예) 온도*2=판매량
판매량을 예측할 수 있다.
*과거의 데이터가 필요하다. 컴퓨터가 공식을 만들어낸다(모델) 예) 2*25=50
새벽배송 농산물수요예측
머신러닝지도학습이 해결해줄 수 있다.
과거의데이터를 독립변수, 종속변수로 분리하고, 관계를 학습시키면 컴퓨터는 그 관계를 설명할 수 있는 공식을 만들어낸다. -> "모델"
좋은 모델이 되려면 데이터가 많아야 한다.
독립변수를 입력했을 때 모델이 계산해서 종속변수를 알려준다.
과거에는 수학이 필요했으나, 머신러닝의 등장으로 과거이 비해 적은 지식과 노력으로 나의 모델을 만들 수 있다. -> 공식의 대중화
지도학습은 무엇이라고 생각하나요? 과거의 데이터를 기반으로 모델을 만들어내는 것
지도학습 = 분류&회귀
분류 classification
회귀 regression : 종속변수가 숫자일 때.
일기예보로 치면 내일의 온도에 따라서 판매량이 어떻게 될 것인가. 판매량이 숫자라면 회귀를 쓰면 해결될 것이다.
분류 -> 지도학습
바이러스를 검사한 사람이 양성/음성인지 구분하는 것도 분류.
손톱인지 정상인지 분류하는 것.
1. 과거에 만든 데이터로 배우기 때문
2. 독립변수, 종속변수로 이뤄져있음
손톱, 정상(종속변수)
손톱 깨무는 이미지(독립변수)
이름, 문자라면
지도학습의 분류로 해결해주세요. (전문가에게 요청할 경우)
bit.ly/ml-class-submit 분류의 사례
bit.ly/ml1-class-list
"가지고 있는 데이터에 독립변수와 종속변수가 있고,
종석변수가 숫자일 때 회귀를 이용하면 됩니다."
"가지고 있는 데이터데 독립변수와 종속변수가 있고,
종속변수가 이름일 때 분류를 이용하면 됩니다."
군집화
분류
정상과 손톱으로 나눈 것은 군집화 한것.
미지의 데이터로 정산, 손톱인지 나눈것은 분류.
분류는 사람이 하고, 그걸 기계가 판단하는 능력을 키우는게 분류.
군집화는 인간의 직관과 비슷함.
어떤 대상을 구분해서.. 군집화
분류는 어떤 그룹인지 속하는지 구분하는 것.
예) 배달서비스, 천만명의 위치(위도, 경도)
군집 - 클러스터(영어로) 클러스터링
표 -> 좌표평면.
가까운것들끼리 묶으면 군집화.
표에 나타내면 군집열을 만들 수 있다.
100개라면 x, y축 2차 평면에 표시할 수 있다. 행위값이 수정삭제되면 데이터지옥-> 이 때 구원해주는 도구가 머신러닝-비지도학습-군집화!
천만 관측치 입력(행위) , 100개 클러스터 필요하다고 하면
각각 관측치를 가지고 군집화해서 100개 클러스터를 만들어준다.
표에서 비슷한 행을 찾아내는 것이 군집화. 아주 다양한 방면에서 쓰인다.
비슷한 행을 그룹핑하는 것 -> 군집화
연관규칙학습 Association rule... 비지도학습-연관 ...장바구니학습
장바구니를 만들 때 쓰는 것
고객의 장바구니에 담긴 상품을 바탕으로, 더 많은 상품을 판매할 수 있다.
라면-계란 상관관계
판매하는 상품이 만개, 천만고객이라면 제품의 연관성을 사람이 찾아내는 것은 어렵다.
이것을 기계가 대신해줄 수 있다. 머신러닝-비지도학습-연관규칙학습
쇼핑추천,영화추천
다른 데이터의 행위를 기반으로 추천하는 것
비지도 - 탐험 - 변수|변수|변수 (데이터를 파악하는 것 위주), 데이터를 정리정돈해서 데이터의 성격을 파악하는 것.
지도학습 - 역사 - 독립변수|종속변수
변환은 직접 알아보세요! (까치밥)
강화학습
reinforcement learning
강화/증강
지도학습 - 배움을 통해 실력을 키우는 것
강화학습 - 경험을 통해 실력을 키우는 것
행위가 유리했다면 상, 불리했다면 벌. 이 과정을 반복하면 더 좋은 상을 받을 수 있는 답을 찾을 수 있다.
게임실력을 키우는 것도 이와 유사하다.
게임(환경화면-현재상태를보여줌, 점수(상/벌)), 게이머(현재상태관찰-조작-행동-판단력필요:강화->게임에 변화) ->현실에 게임 실력이 반영됨
environment 환경(게임)
agent 에이전트(게이머)
보상 reward
상태 state
정책 policy
행동 action
bit.liy/ml1-reinforcement-submit
bit.liy/ml1-reinforcement-list
지도학습-비지도학습(군집/변환/연관)-강화학습
