kyunghoonk00k

이 예시에서는 붓꽃 데이터셋(Iris dataset)을 사용하여 분류 모델을 만들어 보겠습니다. 이 데이터셋은 세 가지 종류의 붓꽃(Iris Setosa, Iris Versicolor, Iris Virginica)의 꽃잎과 꽃받침의 너비와 길이를 측정한 데이터입니다. 이 모델은 꽃잎과 꽃받침의 크기를 바탕으로 붓꽃의 종류를 분류하는 문제를 해결합니다. 먼저, 필요한 라이브러리를 설치하고 불러옵니다. python import numpy as np import pandas as pd from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClass..

지도학습(Supervised Learning)은 머신러닝의 한 방법으로, 입력 데이터와 그에 대응하는 정답 데이터가 주어진 상태에서 학습을 진행하는 방식입니다. 지도학습의 주요 목표는 주어진 입력 데이터에 대해 정확한 결과를 예측할 수 있는 기계학습 모델을 생성하는 것입니다. 이러한 모델을 사용하면 새로운 데이터가 입력되었을 때 정확한 예측을 수행할 수 있습니다. 지도학습은 크게 두 가지 종류로 구분됩니다. 회귀(Regression): 연속적인 값(숫자)을 예측하는 문제, 예를 들어, 주택 가격이나 날씨와 같은 값을 예측하는 등의 문제를 해결합니다. 분류(Classification): 범주형 레이블(카테고리)을 예측하는 문제, 예를 들어, 스팸 이메일 분류, 과일 종류 분류 등의 문제를 해결합니다. 지도..

딥러닝이란 인공 신경망(Artificial Neural Networks)을 기반으로 한 인공 지능 기술의 한 종류입니다. 데이터의 복잡한 패턴을 인식하여 예측, 분류, 추천 등 다양한 작업을 수행할 수 있습니다. 딥러닝 모델은 크게 두가지 종류를 발견할 수 있는데, 하나는 CNN(Convolutional Neural Network)으로 이미지 인식에 사용되고, 또 하나는 RNN(Recurrent Neural Network)으로 자연어 처리에 사용됩니다. Python을 이용하여 딥러닝 모델을 만드는 방법은 다양한 라이브러리를 사용할 수 있는데, 대표적으로 TensorFlow와 Keras, PyTorch 등이 있습니다. 간단한 예제를 통해 설명 드리겠습니다. 여기서는 Keras를 사용해 간단한 신경망 모델을..

몬테카를로 방법 빈도주의에 바탕한 방법. 특정 값의 근사치를 구하기 위해 난수를 이용해 확률적으로 구한다. 일종의 시뮬레이션으로 이해할 수도 있다. 계산하려는 목표가 해석불가능한 함 수거나 구하기가 극히 어려울 때 사용한다. 마르코프체인 정확히는 ‘마르코프 성질을 가진 이산 확률과정’, 줄여서 ‘이산시간 확률과정’. 시간에 따른 계의 상태변화를 나타내는데 관찰 시간이 이산적이어서 이산시간이다. 미래(𝜏 + 1)의 상태는 현재(𝜏)에만 의존하고 과거(𝜏 − 1)에는 의존하지 않아야 한다. 조건부 확률 이 ‘과거상태와 독립’이라고 표현하기도 한다. 깁스샘플링 결합확률분포로부터 일련의 표본을 생성하는 알고리즘. 메트로폴리스 헤이스팅스의 특별한 예. 제안분포 원 분포를 근사해내기 위해 샘플링 과정에서 필요한 분..

Mojo와 Python은 둘 다 프로그래밍 언어이지만, 크게 다른 개념입니다. Mojo는 모바일 앱 개발에 사용되는 언어이며, C++ 언어를 기반으로 만들어졌습니다. 반면 Python은 범용 프로그래밍 언어이며, 다양한 분야에서 활용되고 있습니다. Mojo는 게임 개발과 같은 그래픽 앱 및 대화형 앱의 개발에 적합한 원시 C++ 코드를 원활하게 작성할 수 있도록 지원합니다. Mojo 문법은 C++와 유사하며, 표준 C++ 라이브러리를 지원하고, 기존 C++ 프로그래밍 스킬이 있는 개발자들이 사용하기 쉽습니다. 그러나 Mojo는 고급기술이 더 많이 필요하기 때문에 입문자에게는 상대적으로 어렵습니다. Python은 다양한 라이브러리와 모듈을 제공하여 데이터분석, 머신러닝, 인공지능, 웹 개발, IoT 및 임..

1. 문제풀이의 개념 1) 문제풀이란 무엇인가? 2) 문제의 표현 3) 문제 표현의 예 2. 탐색에 의한 문제풀이 1) 상태공간 탐색에 의한 문제풀이 2) 탐색 방법의 종류 3. 깊이우선 탐색 및 너비우선 탐색 1) 깊이우선 탐색 2) 너비우선 탐색 4. 균일비용 탐색 1) 균일비용 탐색이란? 2) 균일비용 탐색 알고리즘 3) 균일비용 탐색 예제 주요 용어 문제풀이란 ? 인공지능에서 문제풀이란 직관적으로 단순하게 해결할 수 없는 문제에 대해 문제를 파악 하고 문제의 해에 이르는 방법을 찾아내는 일련의 과정을 의미한다. 1) 깊이우선 탐색 깊이우선 탐색(depth-first search)은 탐색 진행방향으로 계속 전진하여 목표를 탐색하는 방법이다. 이렇게 탐색하기 위해서는 가장 최근에 생성된 노드를 가장 ..

1. 지능이란 무엇인가? 1) 컴퓨터가 생각을 할 수 있을까? 2) 지능이란 무엇인가? 3) 인공지능의 접근 방향 2. 인공지능의 개념 1) 인공지능의 태동 2) 인공지능의 접근 방향 3) 인공지능 연구의 침체와 새로운 관심 3. 지능형 에이전트 1) 지능형 에이전트란? 2) 지능형 에이전트의 기본 구조 3) 지능형 에이전트의 유형 인공지능이란 ? 인공지능은 사람이 가지고 있는 고유한 능력인 지능을 컴퓨터를 통해 구현함으로써 인간의 사고과정에 대한 이해나 지능적인 도구를 만들어 내려고 하는 시도이다. 이번 강의에서는 컴퓨터를 이용한 문제풀이 방식이 지능적인 것이 되기 위해서는 어떠한 능 력을 갖추고 있어야 할지에 대한 기본적인 이해를 해 보려고 한다. 주요 용어 정리 - 1. 지능(intelligence..