주제에 대한 기사를 찾고 있습니까 “생능 출판사 인공지능 연습문제“? 웹사이트에서 이 주제에 대한 전체 정보를 제공합니다 https://r1.royajade.com/ 탐색에서: 새로운 상위 785 가지 팁 업데이트. 바로 아래에서 이 주제에 대한 자세한 답변을 찾을 수 있습니다. 찾고 있는 주제를 더 잘 이해하려면 끝까지 읽으십시오. 더 많은 관련 검색어: 생능 출판사 인공지능 연습문제 인공지능 튜링테스트에서 딥러닝까지 연습문제, 처음 만나는 인공지능 개정판 연습문제 답, 인피니티북스 인공지능 연습문제, 인공지능 이건명 연습문제, 인공지능 2장 연습문제, 처음만나는 인공지능 연습문제 1장, 처음만나는 인공지능 연습문제 3장, 처음 만나는 인공지능 연습문제 5장
인공지능 1~4강 연습문제 및 정리하기 – 네이버 블로그
목표 기반 에이전트 : 에이전트 자신이 놓여있는 환경과 추구하는 목표, 그리고 가능한 행동들에 대한 명시적인 기호모델을 바탕으로 논리적 추론을 전개함으로써 목표를 달성하기 위해 현재 자신이 수행해야 할 행동을 결정하는 에이전트.
일반문제풀이기(GPS) : 1959년 Herbert Simon등이 어떠한 문제에든 적용할 수 있는 일반적인 문제풀이 기계를 만들기 위해 개발한 프로그램.
문제축소 : 분할정복 방식의 문제풀이 방식으로, 주어진 문제를 분석하여 부분문제로 분해하여 각각의 부분문제들을 풀이함으로써 전체 문제를 풀이하는 방식.
15 thg 10, 2012 — 인공지능 1~4강 연습문제 및 정리하기 … 지능 : 새로운 상황이나 환경에 대처하기 위하여 배우고 이해할 수 있는 능력. 일반문제풀이기(GPS) : 1959 …
- Source: m.blog.naver.com
- Views: 22509
- Publish date: 19 hours ago
- Downloads: 17869
- Likes: 7013
- Dislikes: 5
- Title Website: 인공지능 1~4강 연습문제 및 정리하기 – 네이버 블로그
- Description Website: 15 thg 10, 2012 — 인공지능 1~4강 연습문제 및 정리하기 … 지능 : 새로운 상황이나 환경에 대처하기 위하여 배우고 이해할 수 있는 능력. 일반문제풀이기(GPS) : 1959 …
- Source: Youtube
- Views: 50404
- Date: 10 hours ago
- Download: 107894
- Likes: 9249
- Dislikes: 4
인공지능 1~4강 연습문제 및 정리하기
1.1 용어정리
지능 : 새로운 상황이나 환경에 대처하기 위하여 배우고 이해할 수 있는 능력.
일반문제풀이기(GPS) : 1959년 Herbert Simon등이 어떠한 문제에든 적용할 수 있는 일반적인 문제풀이 기계를 만들기 위해 개발한 프로그램.
지식공학 : 지식을 어떻게 체계화하고 지식 베이스에 축적하며, 축적된 지식을 어떻게 이용하는가를 연구하는 분야.
단순 반사적 에이전트 : 환경으로부터 감지된 정보를 바탕으로 즉각적으로 반응하는 에이전트.
목표 기반 에이전트 : 에이전트 자신이 놓여있는 환경과 추구하는 목표, 그리고 가능한 행동들에 대한 명시적인 기호모델을 바탕으로 논리적 추론을 전개함으로써 목표를 달성하기 위해 현재 자신이 수행해야 할 행동을 결정하는 에이전트.
2.1 용어정리
상태묘사 : 풀이하고자 하는 문제의 상태를 컴퓨터로 처리하기 위한 적절한 자료구조로 표현한것
연산자 : 어떠한 상태로부터 변화할 수 있는 다른 상태로 변환하는 도구로서, 변환 테이블이나 변환 함수로 구현함.
상태공간 : 정의된 연산자의 집합을 이용하여 초기상태로부터 얻을 수 있는 모든 상태의 집합
문제축소 : 분할정복 방식의 문제풀이 방식으로, 주어진 문제를 분석하여 부분문제로 분해하여 각각의 부분문제들을 풀이함으로써 전체 문제를 풀이하는 방식.
실습하며 배우는 딥러닝 입문 with Kaggle | 장원두 지음
4장에서는 파이썬을 사용하여 데이터를 분석하는 방법을 학습합니다. 이 장의 실습을 통해 파이썬에 조금 더 익숙해지고, 데이터의 기초 분석 방법을 익힙니다. 5장부터 11장에서는 딥러닝의 여러 알고리즘들에 대한 이론과, 이를 파이썬으로 구현하기 위한 코딩 기술을 본격적으로 설명합니다. 5장에서는 딥러닝의 기본 개념, 6~9장에서는 자동 분류 네트워크인 다층 신경망, 합성곱 신경망, LSTM 등을 학습합니다. 이 책에서는 복잡한 수식을 최소화하고, 개념 중심으로 설명하기 위하여 노력하였습니다. 각 장의 실습에서는 케라스(텐서플로우) 라이브러리를 사용하여 캐글에서 다운로드 받은 데이터들을 학습하고 테스트하는 코드들이 포함되어 있습니다.
이 책을 집필하며 다른 인공지능 교과서들과 차별화시키고자 했던 점은 1) 전통적인 기계학습에 대한 설명을 최소화하여 딥러닝에 대한 분량을 늘리고, 2) 다양한 딥러닝 알고리즘을 개념적으로 설명하며, 3) 실습을 통해 체득할 수 있도록 하는 것이었습니다. 기존의 인공지능 입문서/실습서가 인공지능 적용 사례를 다루거나, 전통적인 기계학습 분야(선형회귀, 랜덤 포레스트, 서포트 벡터 머신 등)를 포괄적으로 다루는 경우가 많았다면, 본 책은 딥러닝 위주로 분야를 제한하여 개념과 실습을 한 학기에 학습하도록 구성하려 노력하였습니다. 이 책이 딥러닝의 세계에서 여러분을 인도하는 좋은 가이드가 될 수 있길 바랍니다.
부산대학교 정보컴퓨터공학부/컴퓨터공학과에서 학사 및 석사학위를, 일본 Aizu 대학에서 컴퓨터이공학 박사학위를 받았다. 한양대학교 의공학교실에서 포닥/연구교수로, 몽골국제대학교 IT학부, 동명대학교 전자 및 의용공학부에서 조교수로 근무하였으며, 현재는 부경대학교 컴퓨터공학과에서 조교수로 재직 중이다. 연구 분야는 생체 및 센서 신호와 영상 데이터를 해석하는 패턴인식 알고리즘으로, 관련 연구를 진행하며 다수의 국내외 논문을 출판하였다. (http://biosis.pknu.ac.kr)
28 thg 7, 2021 — 1.1.1 인공지능이란 무엇인가? … 3.1 코딩이란? 3.2 구글 코랩을 사용하는 파이썬 코딩. 연습문제. 3.3 계산식, 라이브러리와 함수.
- Source: booksr143.tistory.com
- Views: 73756
- Publish date: 23 hours ago
- Downloads: 77621
- Likes: 6617
- Dislikes: 10
- Title Website: 실습하며 배우는 딥러닝 입문 with Kaggle | 장원두 지음
- Description Website: 28 thg 7, 2021 — 1.1.1 인공지능이란 무엇인가? … 3.1 코딩이란? 3.2 구글 코랩을 사용하는 파이썬 코딩. 연습문제. 3.3 계산식, 라이브러리와 함수.
처음 만나는 인공지능 Unit.2 – 연습 문제
- Source: Youtube
- Views: 56828
- Date: 37 minute ago
- Download: 30606
- Likes: 4463
- Dislikes: 6
실습하며 배우는 딥러닝 입문 with Kaggle
– 저자: 장원두
– 판형: 4×6배변형(190×240) / 4도
– 쪽수: 484쪽
– 제본: 무선
– 발행일: 2021년 7월 30일
– 가격: 29,000원
– ISBN: 978-89-7050-512-1 93000
– 출판사: (주)생능출판사
실습하며 배우는 딥러닝 입문 with Kaggle
이제 우리는 정말 인공지능의 시대에 살고 있습니다. 운전하며 길을 찾을 때도, 주차비를 정산할 때도, 친구에게 돈을 보낼 때도, 세탁기를 틀고, 청소기를 돌릴 때도 인공지능을 사용합니다. 몇 년 전의 알파고 이후, 인공지능에 관한 관심은 학계와 기업계를 넘어 전 연령대를 강타하였습니다. 인공지능이라는 용어 자체도 이제는 매우 익숙해졌습니다. 아이들은 게임을 하면서 게임 AI에 대해 평가하고, 어른들은 AI 펀드와 인공지능 청소기를 평가합니다.
최근 딥러닝에 대한 수요가 많이 늘어나며, 딥러닝 자체를 궁금해하는 학생들이 많이 늘었습니다. 딥러닝, CNN, GAN, 강화 학습 등 다양한 정보가 미디어를 통해 전해지고 있으며, 이를 사용하여 무엇인가를 만들고자 하는 학생들의 욕구도 커지고 있음을 느끼고 있습니다. 하지만, 딥러닝을 다루는 전문 서적들은 수학적 기반이 없으면 이해하기가 어렵거나, 개념에 대한 설명이 충분하지 않은 경우가 많아 학부생들이 접하고 배우기에는 어렵다고 생각하였습니다.
이 책은 학생들이 파이썬 코드를 사용하여 딥러닝을 실제로 구현하고 실행시키며 그 개념을 체감하도록 하는 것을 목적으로 기획되었습니다. 여러 가지 딥러닝을 직접 실행시켜 보는 것을 세부 목표로 하기 때문에, 이에 필요한 파이썬 기본 지식에 관한 내용이 포함되었으며, 딥러닝을 개념적으로 이해할 수 있도록 수식을 최소화하고 글과 그림으로 설명하려고 노력하였습니다.
이 책을 집필하며 다른 인공지능 교과서들과 차별화시키고자 했던 점은 1) 전통적인 기계학습에 대한 설명을 최소화하여 딥러닝에 대한 분량을 늘리고, 2) 다양한 딥러닝 알고리즘을 개념적으로 설명하며, 3) 실습을 통해 체득할 수 있도록 하는 것이었습니다. 기존의 인공지능 입문서/실습서가 인공지능 적용 사례를 다루거나, 전통적인 기계학습 분야(선형회귀, 랜덤 포레스트, 서포트 벡터 머신 등)를 포괄적으로 다루는 경우가 많았다면, 본 책은 딥러닝 위주로 분야를 제한하여 개념과 실습을 한 학기에 학습하도록 구성하려 노력하였습니다. 이 책이 딥러닝의 세계에서 여러분을 인도하는 좋은 가이드가 될 수 있길 바랍니다.
강의 동영상은 저자의 유튜브 채널에 공개되어 있으며 계속 업데이트될 예정입니다. 참고하셔도 좋겠습니다.
유튜브 채널
https://www.youtube.com/FlyHeavensky
실습하며 배우는 딥러닝 입문 with Kaggle
이 책의 구성
이 책의 구성은 다음과 같습니다. 1장에서는 인공지능의 개념과 사회 현황을 다루며, 인공지능 기술의 중요성에 대해 설명하였습니다. 이를 통해 인공지능을 통해 무엇을 할 수 있는지를 이해하고, 인공지능을 공부해야 하는 이유를 살펴볼 수 있도록 하였습니다. 2장에서는 인공지능 대회 플랫폼인 캐글을 사용하는 방법을 익힐 수 있도록 구성하였습니다. 캐글은 4~9장에서 계속 활용하게 되며, 이를 통해 학습 결과를 눈으로 확인하고 스스로의 학습 수준을 평가할 수 있게 됩니다.
코딩을 처음 접하거나 파이썬에 익숙하지 않은 학생들을 위해, 3장에서는 코딩과 파이썬 기초 사용법을 설명합니다. 파이썬 코딩을 한 장에서 모두 설명하는 것은 쉽지 않으나, 이 책에서는 4~11장에서 사용되는 코딩 기술로 한정하여 내용을 최소화하였습니다. 학생들의 배경에 따라 다를 것이라 생각합니다만, 주 3시간의 수업을 기준으로 2~3주에 공부할 수 있는 분량으로 구성하였습니다. 파이썬 코딩은 별도의 설치 없이 곧바로 코딩을 시작할 수 있는 구글 코랩을 사용하여 설명하였습니다.
4장에서는 파이썬을 사용하여 데이터를 분석하는 방법을 학습합니다. 이 장의 실습을 통해 파이썬에 조금 더 익숙해지고, 데이터의 기초 분석 방법을 익힙니다. 5장부터 11장에서는 딥러닝의 여러 알고리즘들에 대한 이론과, 이를 파이썬으로 구현하기 위한 코딩 기술을 본격적으로 설명합니다. 5장에서는 딥러닝의 기본 개념, 6~9장에서는 자동 분류 네트워크인 다층 신경망, 합성곱 신경망, LSTM 등을 학습합니다. 이 책에서는 복잡한 수식을 최소화하고, 개념 중심으로 설명하기 위하여 노력하였습니다. 각 장의 실습에서는 케라스(텐서플로우) 라이브러리를 사용하여 캐글에서 다운로드 받은 데이터들을 학습하고 테스트하는 코드들이 포함되어 있습니다.
10장과 11장에서는 각각 생성 네트워크와 강화 학습을 다룹니다. 생성 네트워크는 이미지/비디오 등의 자동 편집에, 강화 학습은 게임 AI의 개발에 사용되는 도구입니다. 강화 학습은 다른 네트워크에 비해 구현이 까다로운 편에 속하지만, 이 책에서는 AWS의 딥레이서를 사용하여 실습을 진행하며, 강화 학습의 기초 개념인 보상 함수와 할인율을 익히고, 이것만으로 자율주행 자동차의 시뮬레이션 대회에 참가할 수 있도록 하였습니다.
이 책은 딥러닝에 대한 입문서이며, 이론과 실습을 통해 딥러닝의 주요 개념들을 체득할 수 있도록 구성하였습니다. 이 책을 통해 많은 학생들이 딥러닝을 보다 쉽게 접하고, 이를 활용하여 다양한 애플리케이션들을 만들어 가길 기대합니다.
실습하며 배우는 딥러닝 입문 with Kaggle
지은이 소개
장원두
부산대학교 정보컴퓨터공학부/컴퓨터공학과에서 학사 및 석사학위를, 일본 Aizu 대학에서 컴퓨터이공학 박사학위를 받았다. 한양대학교 의공학교실에서 포닥/연구교수로, 몽골국제대학교 IT학부, 동명대학교 전자 및 의용공학부에서 조교수로 근무하였으며, 현재는 부경대학교 컴퓨터공학과에서 조교수로 재직 중이다. 연구 분야는 생체 및 센서 신호와 영상 데이터를 해석하는 패턴인식 알고리즘으로, 관련 연구를 진행하며 다수의 국내외 논문을 출판하였다. (http://biosis.pknu.ac.kr)
실습하며 배우는 딥러닝 입문 with Kaggle
이 책의 차례
CHAPTER 1 인공지능의 개념
1.1 인공지능 개념 잡기
1.1.1 인공지능이란 무엇인가?
1.1.2 미디어 속의 인공지능
연습문제
1.2 인공지능의 역사
1.2.1 인공지능 이전 시대
1.2.2 인공신경망의 기초 확립
1.2.3 다양한 인공지능 이론의 개발
1.2.4 딥러닝 전성시대와 미래
연습문제
1.3 국가별 인공지능기술과 과학기술정책
1.3.1 미국
1.3.2 중국
1.3.3 유럽
1.3.4 일본
1.3.5 대한민국
연습문제
1.4 인공지능기술
1.4.1 인공지능 기술 개요
1.4.2 데이터
1.4.3 소프트웨어: 인공지능 모델
1.4.4 인공지능 알고리즘
연습문제
CHAPTER 2 캐글 입문
2.1 캐글이란
2.2 캐글 가입하기
2.3 캐글 데이터셋
2.4 캐글 경진 대회와 타이타닉 데이터
2.4.1 캐글 경진 대회
2.4.2 타이타닉 생존자 예측 대회
2.4.3 타이타닉 데이터
2.4.4 인공지능의 학습과 데이터
2.4.5 엑셀을 사용하는 데이터 분석
2.4.6 엑셀을 사용하는 단순 예측
연습문제
CHAPTER 3 파이썬과 코딩의 기초
3.1 코딩이란?
3.2 구글 코랩을 사용하는 파이썬 코딩
연습문제
3.3 계산식, 라이브러리와 함수
3.3.1 계산식과 라이브러리(모듈)
연습문제
3.4 변수
3.4.1 변수의 개념
3.4.2 변수의 종류
3.4.3 변수의 사용 실습
연습문제
3.5 함수
3.5.1 함수의 기본 개념
3.5.2 파라미터가 두 개 이상인 함수
3.5.3 많이 사용되는 다른 함수들
3.5.4 print 함수를 사용하는 문자열의 출력
3.5.5 함수의 사용 실습
연습문제
3.6 조건문
3.6.1 조건문의 개념
3.6.2 다중 조건문
3.6.3 조건식의 조합
3.6.4 조건문의 사용 실습
연습문제
3.7 고급 데이터 타입
3.7.1 리스트
3.7.2 튜플
3.7.3 딕셔너리(사전)
3.7.4 집합
3.7.5 고급 데이터 사용 실습
연습문제
3.8 반복문
3.8.1 while 반복문
3.8.2 for 반복문
3.8.3 break와 continue
3.8.4 반복문 사용 실습
연습문제
3.9 Numpy 배열
3.9.1 배열의 생성과 접근
3.9.2 numpy 배열의 모양 변경
3.9.3 numpy 배열과 슬라이싱
3.9.4 numpy 라이브러리의 기타 함수들
연습문제
3.10 사용자 정의 함수
3.10.1 사용자 정의 함수의 정의
3.10.2 변수의 범위와 함수
3.10.3 사용자 함수의 활용
3.10.4 객체 참조에 의한 파라미터의 전달
연습문제
CHAPTER 4 구글 코랩과 데이터 분석의 기초
4.1 리눅스 시스템 기초
4.2 구글 코랩과 캐글의 연동
4.3 구글 코랩과 타이타닉 데이터
4.4 파이썬 코드로 타이타닉 데이터 분석하기
4.5 데이터 분석 실습: 코로나19 확진자 추이 데이터
연습문제
CHAPTER 5 딥러닝의 개념
5.1 딥러닝 모델의 기본 구조
5.1.1 딥러닝 모델의 기본 구조
5.1.2 딥러닝 모델의 학습
5.1.3 딥러닝 모델과 네트워크층(Layer)
5.1.4 딥러닝 모델의 네트워크 구조
5.2 네트워크의 입력과 출력을 위한 데이터의 변환
5.2.1 네트워크의 입력과 출력
5.2.2 범주형 데이터의 수치화
5.2.3 수치형 데이터의 정규화
5.2.4 타이타닉 데이터의 수치화 및 정규화
연습문제
CHAPTER 6 완전 연결층과 다층 신경망
6.1 완전 연결층
6.2 다층 신경망
6.3 역전파 알고리즘
6.4 최적화 도구와 학습률, 배치 크기
6.5 실습에 필요한 추가 개념 정리
6.6 완전 연결층과 타이타닉 데이터
연습문제
CHAPTER 7 이미지를 인식하는 네트워크, 합성곱 신경망
7.1 이미지 데이터의 인식
7.2 합성곱과 이미지
7.3 합성곱층
7.4 합성곱 신경망과 숫자 이미지 인식
7.4.1 MNIST 데이터셋
7.4.2 딥러닝 모델 생성과 학습
7.4.3 테스트
7.4.4 결과 분석
연습문제
CHAPTER 8 시계열 데이터와 딥러닝 네트워크
8.1 시계열 데이터 개요
8.2 티쳐블 머신을 사용하는 사운드 데이터의 인식
8.3 시계열 데이터의 특징
8.4 시계열 데이터의 전처리
8.5 시계열 데이터를 위한 딥러닝 네트워크 구조
8.6 시계열 데이터의 딥러닝 실습
8.6.1 심전도 데이터의 준비
8.6.2 데이터의 기초 분석
8.6.3 딥러닝
연습문제
CHAPTER 9 순환 신경망과 파라미터 최적화
9.1 순환 신경망
9.1.1 순환 네트워크 개요
9.1.2 완전 연결층 리뷰
9.1.3 단순 순환 신경망(Simple Recurrent Neural Network: Simple RNN)
9.2 LSTM층
9.3 딥러닝 파라미터의 최적화
9.3.1 딥러닝 파라미터 최적화 개요
9.3.2 합성곱층의 파라미터
9.3.3 LSTM층의 파라미터
9.3.4 완전 연결층의 파라미터
9.3.5 모델 생성(컴파일) 시의 파라미터
9.3.6 학습 파라미터와 오버피팅(Overfitting)
9.3.7 파라미터 최적화 전략
9.4 합성곱 신경망과 LSTM을 사용하는 시계열 데이터 인식 실습
9.4.1 데이터 개요
9.4.2 학습/테스트 파일 분리와 정답 정보 만들기
9.4.3 데이터 읽기 및 전처리
9.4.4 모델 구조 지정, 학습 및 테스트
9.5 수업용 온라인 대회 만들기
연습문제
CHAPTER 10 생성 네트워크
10.1 생성 네트워크
10.1.1 생성 네트워크 개요
10.1.2 네트워크층
10.1.3 생성 네트워크의 구성
10.2 생성 네트워크 실습
10.3 적대적 생성 네트워크(GAN)
10.3.1 GAN의 개념
10.3.2 GAN의 학습 원리
10.3.3 배치 정규화 층
10.4 GAN 실습
10.4.1 데이터 읽기, Reshape와 정규화
10.4.2 네트워크의 구성
10.4.3 학습
10.4.4 이미지 생성과 생성된 이미지의 확인
연습문제
CHAPTER 11 정답을 찾아가는 에이전시: 강화 학습과 AWS 딥레이서
11.1 강화 학습 개요
11.2 강화 학습의 원리
11.2.1 환경과 에이전트
11.2.2 학습
11.3 아마존 웹 서비스와 딥레이서
11.4 딥레이서 실습
11.5 딥레이서 보상 함수의 수정과 모델 개선
11.5.1 기본 보상 함수 분석
11.5.2 웨이포인트(Waypoints)를 사용하는 보상 함수
11.5.3 새로운 보상 함수의 디자인
11.6 딥레이서 에이전트와 행동(Action)
연습문제
생능출판사, 생능, 생능북스, 배움터, 대학교재, 우수학술도서 …
IT전문 출판사. IT단행본과 IT대학교재, 경제경영 교재를 출판합니다.
- Source: www.booksr.co.kr
- Views: 72921
- Publish date: 48 minute ago
- Downloads: 100757
- Likes: 2605
- Dislikes: 2
- Title Website: 생능출판사, 생능, 생능북스, 배움터, 대학교재, 우수학술도서 …
- Description Website: IT전문 출판사. IT단행본과 IT대학교재, 경제경영 교재를 출판합니다.
Chapter 1. 인공지능 개요와 발달사 – 연습문제
- Source: Youtube
- Views: 28275
- Date: 16 minute ago
- Download: 17579
- Likes: 4959
- Dislikes: 7
1장 인공지능 개요와 역사 – velog
1950년 앨런 튜링은 “기계가 생각할 수 있는가?”라는 질문과 함께 기계가 인간과 얼마나 비슷하게 대화할 수 있는지를 통해 기계의 지능을 판별하는 튜링 테스트를 제안함으로써 인공지능을 실질적으로 정의하고 기계의 지능을 판별하는 방법을 제시하였다.
1956년 미국 뉴햄프 셔주에 있는 다트머스 대학에서 수학자, 생물학자, 심리학자 등 10명의 과학자가 모여 인공지능에 관한 ‘하계 워크숍’을 가진 것이 그 시초.
10. 인공지능이 그린 미술 작품 중 실제 5억 원이란 거금으로 경매로 거래되는 것도 있으며, 서명 대신에 생성 알고리즘이 적혀 있다. ( o )
22 thg 6, 2020 — 연습문제. 진위 문제. 1. 인공지능의 역사는 그리 오래되지 않았으나, 약 150년 정도의 전통을 가지고 있다. ( x ). 1950년대 중반부터 인공지능에 …
- Source: velog.io
- Views: 22281
- Publish date: 18 hours ago
- Downloads: 104166
- Likes: 4533
- Dislikes: 5
- Title Website: 1장 인공지능 개요와 역사 – velog
- Description Website: 22 thg 6, 2020 — 연습문제. 진위 문제. 1. 인공지능의 역사는 그리 오래되지 않았으나, 약 150년 정도의 전통을 가지고 있다. ( x ). 1950년대 중반부터 인공지능에 …
Chapter 1. 인공지능 개요와 발달사 – 연습문제
- Source: Youtube
- Views: 61313
- Date: 8 hours ago
- Download: 17885
- Likes: 4160
- Dislikes: 9
1장 인공지능 개요와 역사
연습문제
진위 문제
1. 인공지능의 역사는 그리 오래되지 않았으나, 약 150년 정도의 전통을 가지고 있다. ( x )
1950년대 중반부터 인공지능에 관한 연구가 시작됐으며, 100년도 채 되지 않았다.
2. 4차 산업혁명은 인공지능 기술과 매우 관련이 깊다. ( o )
4차 산업혁명 시대의 경쟁에서 앞서갈 수 있다.
급속히 변화하는 시대의 흐름에 부응하는 핵심 기술 발전의 배경을 이해할 필요가 있다.
문제 해결을 위한 효율적인 방법의 구상에 큰 도움이 된다.
인간의 판단 능력과 인공지능 기술과의 융합을 통해 시너지 효과를 기대할 수 있다.
빠르게 발전하는 미래 사회에의 적응에 큰 도움이 될 것 이다.
3. 연결주의 인공지능 계열에 속하는 것은 규칙기반 인공지능이다. ( x )
인공지능에는 3가지 계열의 흐름이 있다.
기호주의 AI ( 주로 기호와 규칙을 사용 ) – 규칙기반 AI – 자뇌 작용과 유사
연결주의 AI – 신경망 기반 AI – 우뇌 작용과 유사
통계적 AI
4. 민스키는 비교적 초기 인공지능 연구자에 속하는 인물로서 인공지능 연구에 큰 공헌을 하였다. ( o )
인공지능 분야를 개척한 미국인 인공지능 과학자.
5. 인공지능 바둑 프로그램인 알파고는 인공지능이 초창기인 1970년대에 개발되었다. ( x )
인공지능의 간략한 역사에서 2011년 ~ 현재에 해당한다. ( 2016년 3월 )
6. 인공지능이 만드는 문장에서 가장 핵심적인 사항은 구문도 맞고, 의미가 통해야 한다. ( o )
7. 인공지능 소프트웨어 기자인 기자 로봇은 현재 미국에서 주식 시황이나 스포츠 기사를 실제로 작성하며 활동하고 있다. ( o )
로봇 저널리즘 – 기사를 작성할 수 있는 인공지능 소프트웨어 로봇.
트레이서 – 데이터 마이닝과 머신러닝을 활용하여 기사를 작성.
8. 자율주행 자동차는 현재 상업용으로 활발하게 이용되고 있다. ( x )
자율주행 – 스스로 교통상황을 인식하고 제어하여 목적지까지 주행하는 것
현재는 도로 시험 단계에 있으며, 머지않아 상용화 단계로 접어들 것이라는 예상
9. 고등학생 수준의 인공지능 글쓰기는 미국에서는 이미 가능하다. ( x )
미국의 인공지능 전문가들은 2026년이 되면 인공지능이 고등학생 수준의 글쓰기가 가능해진다고 예상
10. 인공지능이 그린 미술 작품 중 실제 5억 원이란 거금으로 경매로 거래되는 것도 있으며, 서명 대신에 생성 알고리즘이 적혀 있다. ( o )
2018년 10월 뉴욕 크리스티 경매장에서 인공지능이 그린 그림이 경매에 나와 약 5억 원이란 거금에 낙찰
프랑스의 여구자들이 개발한 인공지능 화가 오비어스가 그린 초상화 에드몽 드 벨라미
단답식 / 선택식 문제
1. 그래픽카드의 핵심 칩으로 인공지능 프로그램에서 그래픽 정보 등을 빠르게 처리하는 것은?
GPU – 그래픽카드의 핵심 칩으로서 인공지능에서 그래픽 정보를 빠르게 처리하고
화면에 정교하게 출력시키는 일을 한다.
2. 1957년 로젠블럿이 개발하여 A, B, C 등 문자를 인식할 수 있었던 시스템은?
‘마크 I 퍼셉트론’ 이란 신경망 모델
3.생각하는 기계에 대한 논리를 구상하고 튜링 테스트를 처음으로 제안한 사람은?
1950년 앨런 튜링은 “기계가 생각할 수 있는가?”라는 질문과 함께 기계가 인간과 얼마나 비슷하게 대화할 수 있는지를 통해 기계의 지능을 판별하는 튜링 테스트를 제안함으로써 인공지능을 실질적으로 정의하고 기계의 지능을 판별하는 방법을 제시하였다.
4. 1957년 다트머스 대학에서의 워크샵에서 인공지능이란 용어를 처음으로 제안한 사람은 ( 존 매카시 ) 이다.
5. 2011년 미국의 유명한 퀴즈쇼에서 역대 인간 우승자들과의 대결에서 승리를 차지한 컴퓨터 시스템은 ( 왓슨 ) 이다.
자연어로 진행된 미국의 TV 퀴즈쇼
6. 1997년 IBM이 개발한 체스 전용 컴퓨터는 ( 딥 블루 ) 이다.
7. 인공지능 기술의 발달로 ( 자율주행 자동차 ) 가 머지않아 상용화되면 택시나 버스 운전사들의 일자리가 줄어들 수 있다.
8. 인공지능 주제와 관련이 비교적 적은 것은 ? ( 4 )
인간의 지능을 모델링하는 기술 인간 두뇌에 도전하는 기술 지능적인 원리를 컴퓨터에 적용하는 기술 현재 대부분의 문제 해결이 가능한 기술
9. 다음의 컴퓨터 장치 중 인간 두뇌와 관련이 가장 적은 기능은? ( 2 )
연산 기능 2. 출력 기능 3. 제어 기능 4. 기억 기능
10. 인공지능이 도전하여 아직은 가능성이 별로 크지 않은 분야는 ? ( 2 )
시 2. 소설 3. 창의적 작품 4. 미술
주관식 문제
1. 인공지능이란 무엇인지 각자 나름대로 2줄 정도로 정의해 보시오.
-컴퓨터를 사용하여 인간의 지능을 모델링 하는 기술
-인공지능은 인간의 지능으로 수행할 수 있는 다양한 인식, 사고, 학습활동 등을
컴퓨터가 할 수 있도록 하는 방법을 연구하는 분야이다.
2. 1956년에 인공지능이란 이름으로 연구가 시작된 계기는 무엇인가?
1956년 미국 뉴햄프 셔주에 있는 다트머스 대학에서 수학자, 생물학자, 심리학자 등 10명의 과학자가 모여 인공지능에 관한 ‘하계 워크숍’을 가진 것이 그 시초.
3. 인공지능에서 사용되는 소프트웨어와 하드웨어를 간단히 나타내시오.
GPU, SPARK와 같은 병렬처리 장치, 클라우드 저장 장치,
컴퓨터 플랫폼, 응용 소프트웨어 패키지, 텐서플로 등
4. 인공지능에서 학습이 필요한 이유를 말하시오.
인공지능이 사람처럼 풍부한 지식과 인식할 수 있는 능력을 바탕으로
상황을 판단하기 위해서는 반드시 학습이 필요하다.
5. 인간 두뇌 영역에 도전하는 인공지능 분야를 5개 이상 적으시오.
기사 작성, 시, 소설, 그림, 작곡
그 외
인간과 컴퓨터의 비교 입력 기능 ( 외부 자료 입력 ) : 감각 기관 / 입력 장치
기억 장치 ( 정보 기억 ) : 두뇌 / 주기억 장치
연산 기능 ( 계산, 분류, 정렬 등의 기능) : 두뇌 / 연상 장치, 중앙처리 장치
제어 기능 ( 동작의 지시 제어 ) : 두뇌 / 제어 장치, 중앙처리 장치
출력 기능 ( 정보 출력 ) : 반응 기관 ( 입, 귀, 손, 발 ) / 출력 장치
보조기억 기능 ( 대량의 정보 기억 ) : 노트 / 보조기억 장치
페퍼 ( pepper )
소프트뱅크에서 개발한 인간과 대화를 나누고 감정까지 느끼는 세계 최초의 감성인식 로봇.
에니악 ( ENIAC )
1046년 미국의 모클리와 에커트에 의해 개발된 세계 최초의 전자식 컴퓨터.
인공지능은 그로부터 10년후인 1956년에 최초로 명명되어 연구가 시작되었다.
워렌 맥컬럭, 월터 피츠
인간의 두뇌를 논리적 서술을 구현하는 이진 원소들의 집합으로 추측.
인공의 뉴런을 AND, OR, NOT 명제로 연결하면 인간의 두뇌에서 작동하는
아주 간단한 기능을 흉내낼 수 있다는 것을 입증
도널드 헵
뉴런 사이에 반복적인 점화가 발생할 때 뉴런들 사이의 학습효과가 있음을 주장
Lisp
1926년 매카시가 개발한 최초의 인공지능 프로그래밍 언어
DENDRAL
1965년에 개발된 세계 최초의 전문가 시스템
RBW
2004년 제프리 힌튼 교수가 제시한 새로운 딥러닝 기반의 학습 알고리즘
주로 사진, 동영상, 음성 정보를 분류하는 분야에 많이 활용
처음 만나는 인공지능 Welcome to the A.I. World – 김대수 지음
연습문제를 풀어보자. – DailyCoding – 티스토리
여기서 하위 목표는 탐색 되어진 규칙에서의 IF 부분안에서 목표가 설정될 것이고 , 설정이 되면 THEN 부분에 이 하위 목표가
–> 주제 전문가와 의사소통을 통해 어떻게 추론 방법을 사용했는지와 , 전문가 시스템에서 이를 어떻게 표현할지 결정하는 사람
마지막으로 사용자 인터페이스가 있는데 , 전문가 시스템을 사용하는 사용자와의 의사소통을 할 수 있게 도와주는 역할을 한다.
27 thg 9, 2018 — 정리를 해보자면 인간지능과 연결된 인지 문제를 해결하는데 주력하는 컴퓨터 공학 분야이다. 인공지능의 발전으로 딥 러닝과 기계학습 과학 분야가 탄생 …
- Source: dlsdn73.tistory.com
- Views: 5171
- Publish date: 5 hours ago
- Downloads: 7082
- Likes: 168
- Dislikes: 3
- Title Website: 연습문제를 풀어보자. – DailyCoding – 티스토리
- Description Website: 27 thg 9, 2018 — 정리를 해보자면 인간지능과 연결된 인지 문제를 해결하는데 주력하는 컴퓨터 공학 분야이다. 인공지능의 발전으로 딥 러닝과 기계학습 과학 분야가 탄생 …
시간순삭 인공지능 with 엠블록 \u0026 아두이노 1/2 (생능출판사)
- Source: Youtube
- Views: 82322
- Date: 23 minute ago
- Download: 72182
- Likes: 2999
- Dislikes: 8
연습문제를 풀어보자.
1.인공지능이란 무엇인가??
인공지능은 다음과 같이 정리 할 수 있었다.
정리를 해보자면 인간지능과 연결된 인지 문제를 해결하는데 주력하는 컴퓨터 공학 분야이다.
인공지능의 발전으로 딥 러닝과 기계학습 과학 분야가 탄생하게 되었다고 한다.
출처 : http://aws.amazon.com
2-1 : 전문가 시스템 개발팀을 이루는 다섯명의 주요 구성원을 나열하고 간단하게 설명하시오.
나는 다음과 같이 정리를 해 보았다.
도식화해서 기억하면 기억하기가 쉽다.
정리를 해 보자면 개발팀으로는 주제전문가 , 지식 공학자 , 프로그래머, 프로젝트 관리자로 이루어 지며
최종사용자를 포함하여 5명이 개발팀을 이룬다.
이 5명은 전문가 시스템에 있어서 꼭 필요한 사람들이며 서로 상호작용을 통해서 시스템을 구성한다.
각가의 인물에 대해서 간단히 알아보면 ,
주제전문가
–>특정분야에 대한 지식이 풍부하며 , 이 지식은 전문가 시스템에 저장이 된다
–>전문가 시스템 개발에 참여해야 하고 , 많은 시간을 투자해야 한다.
지식 공학자
–> 설계 , 테스트 , 전문가 시스템을 만들기 위해 어떤 일을 해야 하는지 결정하는 사람
–> 주제 전문가와 의사소통을 통해 어떻게 추론 방법을 사용했는지와 , 전문가 시스템에서 이를 어떻게 표현할지 결정하는 사람
–> 지식을 표현할 프로그래밍 언어를 알아본다.
–> 전문가 시스템의 초기~ 최종단계까지 참여하며 , 완료후 시스템의 유지보수를 담당한다.
프로그래머
–> 프로그래밍을 책임지며 , 지식을 컴퓨터가 이해할 수 있는 용어로 바꾼다.
–> 전반적인 언어를 다룰줄알아야 하며 , AI언어도 알아야 한다.
프로젝트 관리자
–> 개발팀의 리더 , 프로젝트를 제대로 진행할 수 있도록 관리하는 사람
–> 실행 가능한 모든 일과 목표를 충족시키고 , 다른 역할의 구성원과 상호작용을 하는 사람
최종사용자
–> 개발한 전문가 시스템을 사용하는 사람
–> 사용자로는 분석 화학자 , 경험이 부족한 의사 , 탐사 지리학자 , 응급시에 조언을 받고 싶은 발전 시스템 기사
2-2 전문가 시스템의 주요 구성요소 다섯가지를 나열하고 설명하시오
다음과 같이 정리를 해보았다.
정리를 해보자면 , 전문가 시스템은 기반지식을 토대로 문제해결을 한다 . 이 기반지식이 맞는지 안맞는지에 대한
결과값은 데이터베이스에 있는 사실과 비교를 하여서 참 , 거짓 여부를 확인한다.
이 참 , 거짓 여부를 추론 엔진이 담당하여서 하고 , 추론엔진이 참 , 거짓 여부를 나뉘어서 해를 이끌어 낼 것인데 ,
이 해를 이끌어 낸 것을 사용자에게 or 설명이 필요한 어떤 이에게 증명할 수 있게 해야하는데 ,
이 역할을 해설 설비가 한다.
마지막으로 사용자 인터페이스가 있는데 , 전문가 시스템을 사용하는 사용자와의 의사소통을 할 수 있게 도와주는 역할을 한다.
이렇게 보면 다 상호작용을 하며 , 각자 맡은 역할들이 있다.
2-3 순방향 연결 추론과정을 예를 들어서 설명하시오.
순방향의 연결 추론 과정은 다음과 같이 정의할 수 있다.
그리고 임의의 규칙 1~5까지를 정의해 보았으며 , Cicle에 따른 DB 에 사실추가를 도형을 통해 나타내 보았다.
순방향 연결 추론을 정리 하면서 내가 알은 것들은 다음과 같다.
데이터 지향 추론이란 무엇일까…이 고민이 제일 많이 되었는데,
순방향 연결 추론은 목표 추론에 도달하기 까지 많은 cicle과 시도가 많다.
불필요한 시행시도도 많으며 , 데이터도 많이 쌓이게 되서 불필요한 데이터까지 확인해야 한다.
그렇기 때문에 , 모든 데이터를 확인?? 하는 의미에서 데이터 지향 추론이지 않을까 생각을 했다.
그래도 신뢰성을 높을것 같다는 생각이 들었다.
그리고 순방향 연결 추론이 확 와닿지 않는 다면 이렇게 생각해 보는 것도 좋은 것 같다.
순방향 연결 추론은 기반 지식에서 탐색을 할 때 순차적으로 탐색을 한다.
탐색하다가 DB와 부합하는 규칙은 점화되며 , 점화된 사실은 DB에 추가가 된다.
이 때 부합하다는 의미는 규칙 기반의 IF 부분과 DB에 있는 사실과 맞다는 의미이다.
그리고 어떤 규칙이건 무조건 한번에 한번 점화된다는 것
마지막으로 탐색을 하다가 더 이상 점화될 수 있는 규칙이 없으면 중단 된다는 것
이렇게 정리해 볼 수 있겠다.
2-4 역방향 추론 과정을 예를 들어서 설명하시오.
역방향 연결 추론을 하다가 알게 된 점은 다음과 같다.
역방향 연결 추론은 목표를 정하고 , 그 목표를 추론할 때 까지 새로운 하위목표를 설정하고 , 탐색하는 과정을 말한다.
여기서 하위 목표는 탐색 되어진 규칙에서의 IF 부분안에서 목표가 설정될 것이고 , 설정이 되면 THEN 부분에 이 하위 목표가
존재하는 규칙을 또 다시 탐색하게 되는 것이다.
어떻게 생각하면 역추론인 것이다.
그리고 한가지 특징은 하위 목표를 설정 한 다음 DB와 비교를 하였을 때 부합하지 않을 경우 Stack에 저장해 놓았다가
어느 정도 추론이 된다면 stack에 있는 규칙을 다시 탐색하여서 DB와 부합하는지 확인한다.
순방향 연결 추론 보다는 목표 지향적이다.
그렇기 때문에 역방향 연결 추론이 빠를 것 같다.
다음은 역방향 연결 추론을 도식화 해 보았다.
순방향 연결 추론은 기반 지식 전체를 반복해서 탐색한다고 한다면
역방향 연결 추론은 하위 목표를 기준으로 하여서 Stack에 쌓인 규칙을 중점으로 탐색을 한다는 것을 알게 됨.
2-5 규칙 충돌 집합은 무엇인지 설명하고 , 충돌을 해결하기 위한 충돌 해법을 나열하고 설명하시오.
위에서 와 같이 충돌 집합이 생기게 되면 2개의 점화가 발생하게 된다
그렇지만 충돌 엔진의 성격은 2개의 점화를 동시에 하게 되면 어느 한 규칙의 점화가 다른
규칙을 활성화 시킬 수 있게 된다 . 그러면 꼬이게 되는 것이다.
그렇기 때문에 애초애 2개의 점화는 일어나서는 안된다.
그렇지만 이럴 경우가 있다고 한다는 것이 충돌이 난다 라고 할 수 있고 ,
이를 해결하기 위해 충돌해법이라는게 있다.
우선순위전략 , 최장일치전략 , 최근 입력데이터 사용 전략 3가지가 있다.
주제에 대한 관련 정보 생능 출판사 인공지능 연습문제
Bing에서 생능 출판사 인공지능 연습문제 주제에 대한 최신 정보를 볼 수 있습니다.
주제에 대한 기사 보기를 마쳤습니다 생능 출판사 인공지능 연습문제. 이 기사가 유용했다면 공유하십시오. 매우 감사합니다. 사람들이 이 주제와 관련하여 자주 검색하는 키워드: 생능 출판사 인공지능 연습문제 인공지능 튜링테스트에서 딥러닝까지 연습문제, 처음 만나는 인공지능 개정판 연습문제 답, 인피니티북스 인공지능 연습문제, 인공지능 이건명 연습문제, 인공지능 2장 연습문제, 처음만나는 인공지능 연습문제 1장, 처음만나는 인공지능 연습문제 3장, 처음 만나는 인공지능 연습문제 5장
