1️⃣ 자연어 처리 ▶ 자연어 처리 란? 자연어 처리(Natural Language Processing, NLP)는 컴퓨터를 통해 인간의 언어를 분석 및 처리하는 인공지능의 한 분야 자연어 처리의 적용 사례 문서분류, 키워드 추출, 감정 분석, ... 학습 가능한 데이터양의 증가 및 연산 처리 속도의 발전으로 자연어 처리 또한 더욱 복잡한 머신러닝 알고리즘 적용 가능 → 자연어 처리 + 머신러닝 머신러닝 기반 자연어 처리의 적용 사례 문서 요약, 기계 번역, 챗봇, ... 2️⃣ 텍스트 전처리 ▶ 모델링을 위한 데이터 탐색 및 전처리 데이터 전처리를 하는 이유 → 모델이 좀 더 효과적이고 효율적으로 작동하기 위해 → GIGO (Garbage In, Garbage Out) 데이터 탐색 - 데이터 통계치 e..
1️⃣ 이미지와 Convolution 연산 ▶ Fully-connected Layer와 이미지 데이터 FC Layer는 1차원 데이터를 요구한다. 이미지를 단순하게 1차원으로 바꾸면 2차원 상에서 가지는 정보를 포기해야한다. - 이미지 내 사물 간의 거리 관계 등 - 색의 변화 (특히, 세로로 변하는 상황) → 즉, 공간 정보(Spatial Information)가 무너진다. 따라서, 이미지 처리에 특화된 딥러닝 모델이 등장 : Convolutional Neural Network CNN의 대표적인 구성 요소 - Convolutional Layer - Pooling Layer - 분류기(Classifier): Fully-connected layer ▶ Convolution 연산 : CNN을 구현하는 핵심 ..
1️⃣ 이미지 데이터란? ▶ CNN과 이미지 데이터 - CNN은 대표적인 딥러닝 모델 - 이미지 분석 작업에 최적화된 성능을 보인다. (CNN이 이미지 분류만을 하기 위한 모델은 아니지만 분류를 잘 하기 위한 방향으로 발전된 모델이다) - CNN이 이미지 데이터를 잘 학습하는 원리를 알기 위해서 이미지 데이터를 이해할 필요가 있다. 이미지 데이터 - 사진, 그림 등을 컴퓨터로 저장한 데이터 - JPG, PNG 등 픽셀 (Pictures Elements) - 이미지는 픽셀이라 불리는 점을 기반으로 구성된다. - 각 픽셀은 색깔이나 밝기 정보를 가진다. - 이러한 픽셀이 가로, 세로로 모여 2차원 이미지를 형성한다. - Pictures Elements → Picel → Pixel 이미지 데이터 종류 1) 컬..
1️⃣ 딥러닝 모델 학습의 문제점 실생활 문제 데이터의 차원이 증가하고, 구조가 복잡해졌다. 다양한 문제가 발생하게 되고 기술력의 부족으로 딥러닝 기술은 실질적인 한계를 마주하게 되었다. 1) 학습 속도 문제 : 데이터의 개수가 폭발적으로 증가하여 딥러닝 모델 학습 시 소요되는 시간도 함께 증가 2) 기울기 소실 문제 : 더 깊고 더 넓은 망을 학습시키는 과정에서 출력값과 멀어질 수록 학습이 잘 안되는 현상 발생 3) 초기값 설정 문제 : 초기값 설정 방식에 따른 성능 차이가 매우 크게 발생 4) 과적합 문제 : 학습 데이터(training data)에 모델이 과하게 최적화되어 테스트 데이터(test data)에 대한 모델 성능 저하 → 1980년대 말 ~ 90년 중반 두번째 AI 빙하기 2️⃣ 학습 속..
1️⃣ 딥러닝 모델의 학습 방법 ▶ 딥러닝 모델의 구성 요소 ▶ 딥러닝 모델의 학습 방법 Loss function 을 최소화하기 위해 최적화 알고리즘을 적용 → 예측값과 실제값 간의 오차값을 최소화하기 위해 오차값을 최소화하는 모델의 인자를 찾는 알고리즘을 적용 손실 함수 (Loss Function) - 실제값과 모델이 예측한 값 간의 차이를 계산해주는 함수 - 손실 함수의 값은 가중치와 편향을 업데이트하는 데에 사용된다. - Loss(손실) : 예측값과 실제 값 간의 오차값 최적화 (Optimization) - 오차값을 최소화하는 모델의 인자를 찾는 것 ▶ Gradient Descent (GD) - 가장 기본적인 최적화 알고리즘 - 신경망의 가중치들을 𝑊라고 했을 때, 손실함수 𝐿𝑜𝑠𝑠(𝑊)의 값을 최..
JavaScript With Syntax For Types. TypeScript extends JavaScript by adding types to the language. TypeScript speeds up your development experience by catching errors and providing fixes before you even run your code. www.typescriptlang.org 1️⃣ 객체 지향 프로그래밍 (OOP)이란? : 컴퓨터 프로그램을 객체(Object)의 모임으로 파악하려는 프로그래밍 패러다임 - 객체(Object)들은 서로 메시지를 주고 받을 수 있으며 데이터를 처리할 수 있다. 객체지향 프로그래밍의 장점 1) 프로그램을 유연하고 변경이 용이하게 ..
1️⃣ 딥러닝 개론 ▶ 딥러닝의 정의 머신러닝의 여러 방법론 중 하나로, 인공신경망에 기반하여 컴퓨터에게사람의 사고방식을 가르치는 방법. 머신러닝도 인공지능의 방법론(method) 중 하나. ▶ 인공신경망의 정의 생물학의 신경망에서영감을 얻은 학습 알고리즘으로, 사람의 신경 시스템(Neuron System)을 모방. ▶ 인공신경망의 특징 모델 스스로 데이터의 특성(feature)을 학습하여 지도학습(Classification, Regression), 비지도학습(Clustering)을 모두 적용 가능하다. → 딥러닝은 지도학습, 비지도학습이 모두 적용 가능한 모델이다. ▶ 딥러닝의 역사 - 퍼셉트론(perceptron)의 개념이 처음 등장한 것은 1958년 - 1960 ~ 1980년대에 딥러닝의 첫 트랜드..
JavaScript With Syntax For Types. TypeScript extends JavaScript by adding types to the language. TypeScript speeds up your development experience by catching errors and providing fixes before you even run your code. www.typescriptlang.org 1️⃣ TypeScript에서 함수 사용하기 - TypeScript 함수 작성 시 반환 타입을 추론 하도록 하는 걸 권장 - 함수의 매개 변수와 인수의 타입이 호환 가능하게 작성 (인수의 타입을 잘못 전달하면 에러가 발생) // 함수 선언식 function world(name: str..
JavaScript With Syntax For Types. TypeScript extends JavaScript by adding types to the language. TypeScript speeds up your development experience by catching errors and providing fixes before you even run your code. www.typescriptlang.org 1️⃣ 타입스크립트의 기본 Type - JavaScript 코드에 변수나 함수 등 Type을 정의 - Type을 나타내기 위해서 타입 표기(Type Annotation)를 사용 기본 자료형 (primitive type) : object 와 reference 형태가 아닌 실제 값을 저장..
JavaScript With Syntax For Types. TypeScript extends JavaScript by adding types to the language. TypeScript speeds up your development experience by catching errors and providing fixes before you even run your code. www.typescriptlang.org 1️⃣ 타입스크립트란 ? TypeScript is JavaScript with syntax for types. - Microsoft에서 개발한 오픈 소스 언어 - 자바스크립트의 상위 집합 - 자바스크립트의 한계를 해결 - 타입스크립트로 작성된 파일은 컴파일러를 통해 자바스크립트로 변환..
