728x90 반응형 분류 전체보기365 [인공지능] 인공 신경망(Artificial Neural Network, ANN) 인공 신경망(ANN)은 인간의 뇌의 작동 방식을 모방하여 만든 기계 학습(Machine Learning) 모델이자 인공 지능(AI)의 핵심 기술입니다. 수많은 인공 뉴런(노드)들이 계층적으로 연결되어 복잡한 데이터 속에서 패턴을 학습하고, 이를 바탕으로 예측이나 결정을 내립니다. 특히 은닉층(Hidden Layer)이 깊어지면 심층 신경망(Deep Neural NEtwork, DNN)이 되며, 이는 딥러닝(Deep Learning)의 근간을 이룹니다. 인공 신경망이란인공 신경망은 데이터를 처리하고 학습하는 데 사용되는 계산 모델입니다. 입력된 데이터는 연결된 노드들을 거치며 계산되고, 이 과정에서 가중치(Weight)와 편향(bias)이 조정되어 원하는 출력(정답)에 가까워지도록 학습합니다. 마치 아기.. 2025. 10. 28. [카카오테크 부트 캠프] 모의 면접 리뷰 딥러닝 / 머신 러닝 핵심 개념 정리 : 과적합 방지, 복잡도, 정규화이번 포스팅에서는 면접에서 자주 다루어지는 과적합(Overfitting) 방지 수단, 시간 및 공간 복잡도의 중요성, 그리고 정규화(Normalization)의 필요성에 대해 핵심만 짚어보겠습니다. 1. 과적합(Overfitting) 방지 수단과적합은 모델이 합습 데이터에 너무 특화되어 새로운 데이터(테스트 데이터)에 대한 일반화 성능이 떨어지는 현상을 말합니다. 이를 방지하는 대표적인 수단은 다음과 같습니다. 수단설명면접 시 논의 내용 반영데이터 증강(Data Augmentation)기존 학습 데이터를 변형(회전, 확대, 자르기 등)하여 학습 데이터 세트의 크기를 실질적으로 늘려 모델이 다양한 패턴을 학습하게 합니다. 학습 데이터는.. 2025. 10. 27. [인공지능] XOR 문제를 넘어 : 비선형 데이터 분류를 위한 MLP 설계와 작동 원리 이번 포스팅에서는 XOR 문제처럼 단일 직선으로는 분류할 수 없는 복잡한 비선형 데이터셋을 다루고, 이를 해결하기 위해 필수적인 인공신경망 모델인 다층 퍼센트론(MLP, Multi-Layer Perceptron)을 설계하고 학습하는 과정을 상세히 설명합니다. 특히 make_moons와 같은 비선형 데이터셋을 MLP의 은닉층과 비선형 활성화 함수를 사용하여 어떻게 성공적으로 분류하는지 그 원리를 깊이 이해하는 데 초점을 맞춥니다. 비선형 데이터셋 분류주요 개념은 비선형성(Non-linearity)을 가진 데이터를 비선형 함수를 포함하는 다층 신경망을 이용해 분류하는 것입니다. 단일 퍼센트론은 선형(직선) 경계만 학습할 수 있지만, MLP는 여러 층과 비선형 활성화 함수를 통해 곡선이나 복잡한 모양의 결정 .. 2025. 10. 26. [인공지능] 신경망의 필수 요소 : Bias(편향)를 잡을 때와 안 받을 때의 차이 Bias는 단순히 더해지는 숫자가 아니다신경망 학습에서 Bias(편향, b)는 종종 가중치(W)에 가려져 그 중요성이 간과되곤 합니다. 하지만 Bias는 모델이 데이터를 해석하고 결정 경계를 설정하는 유연성을 부여하는 핵심적인 요소입니다. 특히 XOR이나 make_moons와 같은 비선형 문제를 해결할 때 Bias의 유무는 모델의 성공과 실패를 가르는 결정적인 차이를 만듭니다. 용어 정리 및 Bias의 역할Bias(b) : 뉴런의 발화 임계점 조절자구분개념IT/ML에서의 역할Bias(b)활성화 함수가 적용되기 전의 선형 합산 결과(W, X)에 더해지는 상수 값활성화 임계점 조절입력 X가 0일 때도 뉴런이 발화할 수 있게 하거나, 발화하기 위해 필요한 최소 입력값을 조절결정 경계 팽행 이동결정 경계가 원.. 2025. 10. 25. [카카오테크 부트 캠프] 회고록 6주차 대면 강의드디어 대면 강의 시작을 했다. 확실히 집에서 혼자서 할 때보다 훨씬 집중도 잘 되니 순수 공부 시간이 증가하면서 체감이 될 정도로 공부 퀄리티가 좋아졌다. 주 100시간을 목표로 수업 종료 후 조금 더 하고 가고 있는데 다음주는 이번주보다 조금 더 공부할 수 있도록 해야겠다. 매일 어제보다 나은 내가 되어야되기 때문에 열심히 해야겠다. 다들 회고록에 배운 점들을 적길래 나도 적어보려고 한다. 평소 블로그에 따로 포스팅을 해서 회고록에도 굳이 써야하나 싶긴하지만 그래도 조금은 써볼까 한다. 이번 주 내용이번주는 딥러닝 기초부터 CNN까지 Perceptron, 비선형 활성화 함수, ANN, 손실 함수, 역전파, 옵티마이저 등 다양한 딥러닝 기초를 배웠다. 블로그들을 정리하며 생각보단 할만하네라고 .. 2025. 10. 24. [인공지능] 데이터 준비부터 딥러닝 최적화까지 : 머신 러닝 핵심 개념 흐름 정리 머신러닝과 딥러닝 모델의 성능은 데이터 준비부터 시작하여 알고리즘 선택과 최적화 기법에 이르기까지 일련의 흐름에 따라 결정됩니다. 이번 포스팅에서는 데이터 처리부터 복잡한 딥러닝 학습 매커니즘까지, 핵심 개념들의 연관성과 흐름을 명확하게 정리하려고 합니다. 모델 학습을 위한 데이터 준비 과정모델이 정확하게 학습하고 일반화 능력을 갖추기 위해서는 데이터를 깨끗하고 풍부하게 그리고 공정하게 나누는 과정이 필수적입니다. 데이터 전처리 (Data Preporcessing)모델이 데이터를 효율적으로 학습할 수 있도록 원본 데이터를 정제하고 변환하는 과정입니다.목적 : 데이터 품질 개선, 스케일 통일, 결측치 및 잡음 처리주요 기법 : 스케일링(Scaling)을 통해 데이터 범위를 맞추거나, 인코딩(Encodin.. 2025. 10. 24. 이전 1 2 3 4 5 ··· 61 다음 728x90 반응형
