[패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 55회차 미션

Part5-01. Ch 01. Image Classification - 01. Classification 이란

AI, 머신러닝, 딥러닝

AI : 인간의 지시에 완벽하게 종속적인 머신들은 자율적으로 판단하고 행동하는 능동적인 머신들로 변환시키는 모든 관련 기술들의 집합
머신러닝 : 컴퓨터가 수행하는 통계적학습으로 컴퓨터가 사람이 뽑은 데이터 특석을 통해 표번 데이터 속에 존재하는 전체 모수로 일반화 가능한 패턴을 찾아 스스로 학습하는 과정
딥러닝 : 다수의 학습 데이터셋을 통해 주로 심층 뉴럴네트워크를 이용하여 스스로 학습하고 고차원적인 판단이 가능

딥러닝의 종류

라벨이 붙어 있는 지도학습
바벨이 일부 붙어 있는 반지도학습
라벨이 없는 비지도학습

Classification & Clustering

Classification 클레스로 분류하는 과정
Clustering 데이터의 특징에 따라 스스로 클레스로 분류

Classification & Regression

Classification 주어진 클레스를 예측하는 것
Regression 연속적인 값을 예측하는 것

class의 수 Feature의 수

class의 수 라벨의 종류 (2 class -Binary class, 3이상 - multi)
Feature의 특징 선형으로 나눠지는 지 안나눠지는 지에 따라 분류

Deep Learning Classification

전처리 -> data에서 유의미한 특징을 뽑아내는 과정 (머신러닝에서 필수적)
End to End -> 전처리 과정이 없이 데이터만 넣으면 알아서 학습하는 모델을 일컬음

물체를 구분하는 것.
물체를 구분하고 위치를 파악하는 것
물체를 구분하고 물체가 어떤것인지 파악하는것
어떤 픽셀에 위치하고 있는지 구분

전체적인 구조

CNN의 구조가 기본적
Feature Learning / Clssification으로 구분

Feature Map

특징적인 정보를 담고 있음
인풋에서 아웃풋으로 갈수록 표현하려는 데이터의 특징이 달라짐

Part5-02. Ch 01. Image Classification - 02. 머신러닝 Classification

데이터의 특성

supervised vs unsupervised
라벨의 유무에 따라서 결정.
categorical vs continuous
데이터의 특성이 연속적인가 아닌가의 여부.
linear vs nonlinear
선형으로 분류가 되는지에 대한 여부

Logistic Regrssion

Binary Classification 2진 분류 모델
그룹당의 결과로 분류 가능
시그모이드 함수와 비슷하게 표현 가능

오즈비(승산) : 학률 A가 일어나지 않았을때 확률 A가 일어날 확률
해당값에 속할 값 P(Y|X)
오즈비에 log로 근사하여 시그모이드함수와 유사하게 구현

Support Vector Machine

linear/ non-linear 모두 가능
binary / multi에서도 모두 사용 가능

마진값이 클수록 좋은 분류
단 값들은 마진값 밖에 있다고 가정
마진을 높기이 위해서는 weight을 최소화해야함

커널트릭을 이용해서
non linear를 linear하게 변형

K Means Clustering

라벨이 없는 데이터를 받아서 라벨할당을 수행

데이터의 시드 값을 랜덤하게 뿌림
주변과의 거리를 구하고 가까운쪽의 시드값으로 클레스 분류

딥러닝/인공지능 올인원 패키지 Online