homebody's blog

AI/ML 설명 머신러닝 vs 빅데이터 빅데이터 빅데이터는 말그대로 데이터가 많다는 의미 머신러닝 빅데이터들을 어떻게 하면 분석, 이해, 예측을 할 수 있을까에 대한 방법론 중 하나 머신러닝 vs Data Mining 대부분이 정형 데이터를 쓰고 그 정형 데이터라는 것은 데이터 정보가 테이블로 나타나 있다는 것이다. 머신러닝의 주된 목표은 비정형 데이터를 분석이하는 것에 있다. 대표적인 비정형 데이터는 이미지, 텍스트(뉴스, 블로그등)등이 있다. 머신러닝 vs AI(Artificial Intelligence) 머신러닝은 AI의 일부분이며, AI는 인공지능이며 사람의 지능을 어떻게하면 컴퓨터도 가지게 하는지가 AI이다. 인공지능을 만드는 방법은 여러가지가 있을 수 있다. 그 중에서 많은 데이터들을 베이스로..

TensorFlow(Multi-variable Linear Regression을 TensorFlow로 구현) Hypothesis using matrix # data and label x1 = [73., 93., 89., 96., 73.] x2 = [80., 88., 91., 98., 66.] x3 = [75., 93., 90., 100., 70.] Y = [152., 185., 180., 196., 142.] # weights w1 = tf.Variable(10.) w2 = tf.Variable(10.) w3 = tf.Variable(10.) b = tf.Variable(10.) hypothesis = w1 * x1 + w2 * x2 + w3 * x3 + b 전체 code import tensorflow..

TensorFlow(Multi-variable Linear Regression) Hypothesis Cost function Multi -variable 변수의 개수가 적을 때는 수식을 그냥 전개해도 불편하지 않지만 변수의 개수가 아주 많이 증가하게 된다면 전부 전개하는 방식은 불편하다. 그래서 Matrix가 필요하다. Matrix 표기를 위해서 Matrix multiplication을 사용한다. H(X) = XW Matrix를 사용할 때는 X를 W앞에 쓴다. Matrix를 곱셈 연산할 때는 앞에 있는 행과 뒤에 있는 열을 연산하기 때문이다. Hypothesis using matrix Matrix 연산에서는 앞에 있는 Matrix의 열과 뒤에 있는 Matrix의 행의 개수가 같아야 연산이 가능하다. Ma..

TensorFlow(Linear Regression and How to minimize cost) How to minimize cost? cost function을 그래프로 그려보면 2차 함수 그래프 처럼 나온다. 여기서 최소값을 찾으면 된다. Gradient descent algorithm(경사하강법, 경사하강알고리즘) 경사를 따라 내려가면서 최저점을 찾도록 설계된 알고리즘 Cost가 최소화가 되는 W, b를 찾는다. 변수가 1개나 2개일 때 뿐만 아니라 여러 개일 때도 사용가능하다. 동작 방식 추정을 통해서 W, b를 정한다. 랜덤도 가능 W, b값을 줄어들 수 있도록 조금씩 수정한다. W, b 값을 지속적으로 업데이트할 때 기울기값을 구해서 cost가 최소화 되는 방향으로 업데이트 이 과정을 최소점..

TensorFlow(basic ML의 용어와 개념 설명) Machine Learing 정교하게 모든 상황들을 프로그래머가 커버하기에는 너무나 많기 때문에 어떤 자료 또는 현상에서 자동으로 학습해서 능력을 가지게 되는 소프트웨어 학습을 하기 위해서는 label이 붙어있는 example이 주어져야 한다.(Supervised learning) 미리 lable를 달기가 어려운 경우가 있다. 이럴 경우는 데이터를 보고 스스로 학습을 하게 된다.(Unsupervised learning) Supervised learning 머신러닝에서 가장 일반적인 문제 Image labeling Email spam filter Predicting exam score Training data set 머신러닝을 시켜서 답을 얻기 위해..