Date: September 3, 2022

Topic: AI & Maching-Learning

Recall

1. 인공지능의 간결한 정의는?

2. 심볼릭 AI란?

3. 전통적 프로그래밍과 머신 러닝의 차이점은?

4. 머신 러닝이란?

5. 머신 러닝에서 학습이란?

Notes

• 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 연구 활동

• 명시적인 규칙을 충분하게 많이 만들어 DB에 저장된 지식을 다루어 인간 수준의 인공 지능 제작

• 이후 이를 대체하기 위해 머신 러닝이 등장함

• (규칙, 데이터) —> 전통적 프로그래밍 —> 해답

  (해답, 데이터) —> 머신 러닝 —> 규칙

• 샘플과 기댓값이 주어졌을 때 데이터 처리 작업을 위한 실행 규칙을 찾는 것

• 이 때 필요한 3가지 요소

  • 입력 데이터 포인트
  • 기대 출력
  • 알고리즘의 성능을 측정하는 방법

• 많은 입력과 타깃의 샘플을 관찰하면서 입력(이미지)를 타깃(레이블)에 **“Mapping”**하는 것

• 유용한 데이터 표현을 만드는 데이터 변환을 피드백 신호를 바탕으로 자동으로 탐색하는 과정

<aside> 📌 SUMMARY: 딥러닝을 배우기에 앞서서 더 큰 단위인 머신 러닝에 대한 간략한 정의를 다루는 단원. 머신 러닝은 규칙과 데이터를 이용해 해답을 도출해내는 기존의 프로그래밍과 달리, 데이터와 해답을 통하여 규칙을 도출해내는데 특이점이 존재한다. 이때 필요한 3가지 필수요소는 입력 데이터 포인트, 기대 출력, 알고리즘 성능 측정에 대한 방법(학습)이다.

</aside>

Date: September 3, 2022

Topic: “Deep Learning”

Recall

1. 딥러닝이란?

2. 머신 러닝에서 학습이란?

3. What is Loss Function?

4. Optimizer의 역할은?

Notes

• 층을 겹겹이 쌓아 올려 구성한 Neural Network라는 모델을 사용하여 층 기반 표현을 학습하는 것

• 즉, 데이터로부터 표현을 학습하는 수학 모델

• 주어진 입력을 정확한 타깃에 Mapping하기 위해 Neural Network의 모든 layer에 해당하는 weight를 찾는 것 —> 파라미터로 사용됨

• Neural Network의 output을 제어하기 위해서 Output Value가 기대치에 얼마나 벗어났는지 측정하는 함수

• 손실 함수를 통해 손실점수를 측정하고, 이를 바탕으로 손실 점수가 감소되는 방향으로 가중치 값을 조금씩 수정하는 것이 기본적인 딥러닝 작동 방식

• 손실 점수가 감소되는 방향으로 가중치 값을 조금씩 수정

• 쉽게 말하면 “가중치 UPDATE”

<aside> 📌 SUMMARY: 딥러닝이란 각각의 층에 해당하는 가중치를 손실 함수와 Optimizer를 사용하여 수정해 나가며 (훈련 반복이라고 불림) 손실 함수를 최소화하는 가중치 값을 산출해낸다. 이는 신경망이 타깃에 가장 가까운 출력을 만드는 “모델”이 됨

</aside>

Date: September 4, 2022

Topic: Probabilistic modeling & Kernel method

Recall

1. 확률적 모델링이란?

2. 나이브 베이즈 알고리즘이란?

3. 커널 방법

4. What is SVM?

<aside> 📌 **SUMMARY : 확률적 모델링 중 널리 알려진 나이브 베이즈 알고리즘은 각각의 입력데이터의 특성을 독립적으로 가정하고 베이즈 정리를 적용시킨 머신 러닝 분류 알고리즘. 커널 방법에서 가장 대중적인 SVM 분류 알고리즘은 두 클래스를 나누는 결정 경계를 찾는 분류 알고리즘이며 이는 2단계에 걸쳐서 발생한다.

1. 결정경계가 하나의 hyperplane으로 표현될 수 있는 새로운 고차원 표현으로 데이터를 매핑
2. 결정경계와 각 클래스의 가장 가까운 데이터 포인트 사이의 거리가 최대가 되는 최선의 결정 경계를 찾음(마진최대화) —> 훈련 데이터셋 이외의 새로운 샘플에 잘 일반화 되도록 도와주기 위해**

</aside>