클래스: 인공지능 소개

무료이용으로 수강해 보세요.

업계 전문가가 강의하는 클래스 24,200개를 수강하세요.

네트워크 내 단계

네트워크 내 단계

클래스: 인공지능 소개

1개월 무료이용 시작 단체용 구매

네트워크 내 단계

“

- 그렇다면 AI 시스템을 구축하려면 무엇이 필요할까요? 이에 대해 생각하기 위해 이미지에서 개를 찾는 도전 과제로 돌아가 보겠습니다. 데이터 사이언티스트가 해야 할 첫 번째 단계는 데이터에서 원하는 것이 무엇인지 파악하는 것입니다. 이 경우 AI 시스템에 자체 그룹을 클러스터링하도록 요청하지 않습니다. 대신 시스템에 데이터를 두 가지 범주로 분류하도록 요청합니다. 한 카테고리에는 개가 있는 이미지가 있고 다른 카테고리에는 개가 아닌 이미지가 있습니다. 이것은 고전적인 이진 분류 챌린지입니다. 신경망에는 두 가지 가능한 분류가 있다는 것을 기억하십시오. 즉, 감독 기계 학습을 수행하게 됩니다. 감독된 기계 학습은 레이블이 지정된 데이터로 시작한다는 점을 기억하세요. 여기에서 시스템은 개를 포함하는 것으로 알려진 수십만 개의 이미지로 훈련됩니다. 데이터 사이언티스트의 다음 단계는 표준 머신 러닝 알고리즘을 사용할지 아니면 인공 신경망을 사용할지 파악하는 것입니다. 이것은 분류 문제이므로 기계 학습 알고리즘을 사용하는 경우 K 최근접 이웃 또는 순진한 베이를 사용할 수 있습니다. 시스템이 각 이미지를 픽셀로 분할하는 것을 보았습니다. 이는 많은 데이터가 필요한 복잡한 도전이 될 것임을 의미하므로 인공 신경망을 사용하게 될 것입니다. 입력 계층, 숨겨진 계층 및 출력 계층을 만듭니다. 이제 이것은 이진 분류 챌린지이기 때문에 dog 또는 not dog의 두 가지 옵션만 있으므로 출력 계층에 대해 두 개의 노드만 필요하다는 것을 기억하십시오. 다음으로 신경망이 초기화됩니다. 시스템은 연결의 모든 가중치에 난수를 할당합니다. 그런 다음 시스템은 모든 노드의 바이어스를 0으로 설정합니다. 이것은 마치 에칭을 흔들어 스케치를 깨끗한 슬레이트를 만드는 것과 같습니다. 이제 훈련 세트를 신경망에 공급해야 합니다. 처음 몇 개의 이미지는 아마도 무작위 추측보다 그다지 좋지 않을 것입니다. 신경망은 이미지에 개가 포함될 확률이 62%이고…

목차