Recommandé
Contenu connexe
Similaire à Artificial intelligence
Similaire à Artificial intelligence (20)
Artificial intelligence
- 1. ARTIFICIAL INTELLIGENCE & MACHINE LEARNING INTELLIGENT MEDIA LAB 2018-08-13 신 윤 호
- 2. 2 발표자 소개 이름 : 신윤호(27) 소속 : 고려대 전기전자공학과 지능미디어 연구실 과정 : 석사과정 4학기 전공 : 영상처리/인공지능
- 3. 3 최초의 시민권자 로봇, 소피아
- 4. 4 CONTENTS ML이란? ML의 분류 ML의 역사 ML 활용 분야
- 5. 5 MACHINE LEARNING이란? Artificial Intelligence Machine Learning Deep Learning
- 6. 6 MACHINE LEARNING이란? Artificial Intelligence(인공지능) 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것 1940년대 후반과 1950년대 초반에 이르러서 수학, 철학, 공학 등 다양한 영역의 과 학자들로부터 논의가 시작
- 7. 7 MACHINE LEARNING이란? Machine Learning 컴퓨터에게 충분히 많은 데이터를 주고, 거기서 일반적인 패턴을 찾아내게 하는 방법 1959년 아서 사무엘이 “컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여 하는 연구 분야” 라고 정의 Deep Learning 머신 러닝의 대표적인 분야 깊은 구조의 인공신경망의 여러 층을 거쳐 추상화 단계로 접어드는 알고리즘 형태
- 8. 8 MACHINE LEARNING의 분류 Supervised Learning Unsupervised Learning Reinforcement Learning
- 9. 9 MACHINE LEARNING의 분류 Supervised Learning(지도 학습) 이미 주어진 입력에 대해 어떤 결과가 나올지 알고 있는 데이터 들을 해석할 수 있 는 모델을 만들고, 그것을 바탕으로 새로운 데이터를 추정하는 것 대표적으로 classification(분류) 문제가 있다
- 10. 10 MACHINE LEARNING의 분류 Unsupervised Learning(자율 학습) 지도 학습과 달리, 입력에 따른 정해진 결과가 없으나 시스템 자체적으로 입력 데 이터를 처리하는 것 대표적으로 clustering(군집) 문제가 있다
- 11. 11 MACHINE LEARNING의 분류 Reinforcement Learning(강화 학습) 어떤 행위에 대한 보상을 정의해주고, 보상의 값을 최대화하도록 학습을 시켜주는 방법 대표적인 문제로 알파고, 컬링 머신이 있다
- 12. 12 보스턴 다이나믹스의 로봇
- 13. 13 MACHINE LEARNING 의 역사 앨런 튜링, 튜링 테스트 고안 1950 아서 사무엘, 체커 게임을 배우는 최초 의 머신러닝 프로그램 개발 1952 프랭크 로젠 블랏, 해군 연구소에 서 최초의 인공신경망(MLP) 개발 1958 과대 광고로 인한 머신 러닝의 침체기1974 ~ 1980 역전파 방법을 이용해 복잡하고 강력한 신경망이 가능해짐 1985 머신러닝의 통계적 접근 방식인 SVM이 소개 1990 IBM의 딥 블루가 체스 우승자를 꺾음 1997 제프리 힌튼이 ‘딥 러닝’ 이라는 단어를 제안 2006 IBM의 슈퍼컴퓨터가 퀴즈 프로 그램 ‘제퍼디’ 에서 우승 2011 제프리 힌튼 팀이 심층 신경망을 이용하 여 ILSVRC 대회에서 우승 2012 딥 마인드, 아타리 게임에서 인간 을 능가하는 강화학습 프로그램 개발 2013 구글의 알파고, 이세돌과의 바둑 시합에 서 승리 2016
- 14. 14 MACHINE LEARNING 의 역사 앨런 튜링, 튜링 테스트 고안(1950) 튜링 테스트 : 인공지능을 감지하기 위한 테스트로, 테스트를 통과하기 위해서는 사람이 컴퓨터가 아닌 다른 인간이라고 믿게 해야한다
- 15. 15 MACHINE LEARNING 의 역사 프랭크 로젠 블랏, 해군 연구소에서 최초의 인공신경망(MLP) 개발(1958)
- 16. 16 MACHINE LEARNING 의 역사 얀 레쿤, CNN을 처음으로 소개(1989) CNN(Convolutional Neural Network) 이미지 인식을 위해 가장 널리 사용되는 Neural Network
- 17. 17 MACHINE LEARNING 의 역사 제프리 힌튼 팀이 심층 신경망을 이용하여 ILSVRC 대회에서 우승(2012) ILSVRC(ImageNet Large Scale Visual Recognition Challenge) ImageNet 영상 데이터베이스를 기반으로 컴퓨터 비젼 분야의 성능 우열을 가리 기 위한 대회
- 18. 18 MACHINE LEARNING 의 역사 제프리 힌튼 팀이 심층 신경망을 이용하여 ILSVRC 대회에서 우승(2012) AlexNet
- 19. 19 MACHINE LEARNING 의 역사 딥 마인드, 아타리 게임에서 인간을 능가하는 강화학습 프로그램 개발(2013)
- 20. 20 자율주행자동차
- 21. 21 MACHINE LEARNING의 활용 분야 Image classification Object Detection Style Transfer Image Super-resolution Speech Recognition Natural Language Processing Etc
- 22. 22 MACHINE LEARNING의 활용 분야 Image classification(영상 분류)
- 23. 23 MACHINE LEARNING의 활용 분야 Object Detection(물체 검출)
- 24. 24 MACHINE LEARNING의 활용 분야 Style Transfer
- 25. 25 MACHINE LEARNING의 활용 분야 Image Super-resolution(영상 초해상도)
- 26. 26 MACHINE LEARNING의 활용 분야 Speech Recognition(음성 인식)
- 27. 27 MACHINE LEARNING의 활용 분야 Natural Language Processing(자연어 처리) 2차적으로 번역, 음성 인식과 결합된 통역 등에 사용이 가능하다
- 28. 28 MACHINE LEARNING의 활용 분야 Etc
- 29. 29 결론 머신 러닝은 오래된 개념으로서 수십년간 점진적으로 발전했고, 최근 들어 폭발적으로 수요가 급증하고 있다 머신 러닝의 활용 분야는 현재도 영상 분류, 물체 인식 등으로 다양하며, 앞 으로도 더욱 많은 분야에 활용될 것으로 예상된다 오늘 강의에서 기억해 가야할 키워드 머신 러닝 딥 러닝 신경망 CNN 강화 학습