인공지능 시스템은 데이터를 기반으로 예측 문제를 해결하는 기술로, 기계학습과 딥러닝을 포함합니다.
인공지능 시스템은 데이터와 모델로 구성되며, 데이터는 모델의 입력으로 사용됩니다.
입력 데이터와 타겟 데이터
시작 시간 02:20
입력 데이터는 예측을 위한 정보이며, 타겟 데이터는 예측하려는 목표 값입니다.
비지도 학습은 레이블이 없는 입력 데이터만으로 학습하는 방법입니다.
데이터 전처리는 데이터 정규화 및 이상 데이터 제거 등을 포함하여 모델 학습 전 필수 과정입니다.
인공지능 모델은 데이터 형태에 따라 다양하게 분류되며, 각 모델은 특정 태스크에 적합합니다.
CNN은 이미지 데이터를 처리하는 데 최적화된 모델로, 컴퓨터 비전 분야에서 널리 사용됩니다.
트랜스포머는 자연어 처리(NLP)에서 언어 모델링에 주로 사용되는 혁신적인 구조입니다.
딥러닝 모델을 선택할 때 고려해야 할 요소들에는 깊이, 파라미터, 최적화 알고리즘 등이 있습니다.
수업은 프로젝트 기반으로 진행되며, 학생들이 인공지능 시스템을 직접 구현해보는 기회를 제공합니다.
