|
머신러닝, 두산백과 두피디아
딥러닝, 시사상식사전, 박문각
엘리하이 http://junior.mbest.co.kr/
설탭 https://seoltab.com/
밀리의 서재 https://www.millie.co.kr/v3/brand/update
제페토 https://web.zepeto.me/ko
로블록스 https://corp.roblox.com/ko/
인터넷 활용 I 강의안
|
|
|
머신러닝 일명 딥러닝이 기술 고도화를 통해 감독되는 학습을 넘어 감독되지 않는 학습까지 가능한 것으로 알려져 있다. 즉 스스로 배울 수가 있다는 것이다. 향후에 신경망분석방법이 정교화를 이루면서 기술적 특이점 도래에 어느정도 가
|
|
|
을 통제할 수 있는 수준은 점차 줄어들 것이고, 인공지능이 자율적으로 내린 의사결정이 인간에게 해를 끼치는 등의 사회적 안전에 대한 위협은 증대될 수 있다. 또한 인공지능에 기술발달과 인간대체화가 가속화 되면서 인공지능에게 인간
|
|
|
적화 알고리즘으로, 두 방법은 함께 사용되어 신경망을 효과적으로 학습시키는 데 핵심적인 역할을 한다.
11. 다층 퍼셉트론의 구조를 확장하는 방법에 대해서 서술하세요.(3점)
다층 퍼셉트론의 구조를 확장하는 방법은 크게 두 가지 방향으
|
|
|
을 저장해 이를 바탕으로 추론하도록 하는 것은 불가능에 가깝다는 인식을 하게 됐다. 컴퓨터에게 알려줘야 할 것이 너무나 많았기 때문이다.
그러던 인공지능이 최근 인간의 뇌구조를 모방한 인지 학습 기술인 딥 러닝에 의해 비약적으로 향
|
|
|
강조됨에 따라 그 중요성이 점점 더 높아지고 있습니다. <목 차>
1. 데이터 과학의 개념
2. 데이터 애널리틱스의 역할
3. 데이터 분석의 기술적 접근
4. 인공지능의 발전과 응용
5. 머신러닝의 원리와 활용
6. 딥러닝과 그 혁신적 변화
|
|
|
인류의 미래에 지대한 영향을 미칠 것으로 기대됩니다. <목 차>
1. 인공지능의 역사와 발전
2. LLM과 LMM의 기본 개념
3. LLM과 LMM의 주요 차이점
4. 딥러닝과의 관계
5. LLM과 LMM의 활용 사례
6. 기술적 한계와 도전
7. 미래 전망과 발전 방향
|
|
|
을 가속도로 발전하는 인공지능의 세계에서 살아가고 있는 나에게는 최소한 가까운 미래에 그런 방향으로 향할 수도 있다는 증거는 아직 눈곱만큼도 보지 못했다. 다만 우리가 인간의 독창적인 영역이라고 생각해 왔던 부분들은 우리 생각보
|
|
|
을 거칠 경우 더욱 효율적으로 처리할 수 있도록 데이터 처리 방식을 학습할 수 있다. 인터넷과 모바일은 텍스트, 동영상, 음성 등 엄청난 양의 데이터를 만들고 있는
데, 스마트 기기들이 등장하고 딥러닝이 개발되는 등의 조건이 갖추어지면
|
|
|
적될수록, 그 양이 많아질수록 사람과 비교할 수 없는 수준의 정확성과 예측력을 보유하게 된다. 새로운 데이터는 계속해서 공급되며, 변화의 추이를 기록한다. 또한 머신러닝으로 분석하고 딥러닝으로 학습하면서 사람이 파악할 수 없는 양
|
|
메뉴펼치기
