Budding Hacker

1. 머신러닝의 개요 (1) 머신러닝(Machine Learning : ML)의 정의 • ‘기계학습’으로도 불리는 인공지능의 한 분야 – 인간의 학습 능력을 컴퓨터로 실현하려는 기법 • 1959년 아서 새무얼(Arthur Samuel)이 최초로 정의 – “프로그램을 명시적으로 작성하지 않고 컴퓨터에 학습할 수 있는 능력을 부여하기 위한 연구 분야이다.” • 1998년 톰 미첼(Tom M. Mitchell)이 구체적으로 정의 – ‘머신(machine)’은 컴퓨터, ‘러닝(learning)’은 학습 따라서 머신러닝 이란 ‘컴퓨터를 통한 학습’을 나타냄 (2) 머신러닝의 역사적 배경 • 1952년 새무얼(Samuel)이 ‘체커(Checker)’ 개발 • 체커는 최초의 머신러닝 프로그램 – 체커는당시로는가장복잡..

1. 인공지능에 쓰이는 논리와 추론 (1) 규칙기반 인공지능에서의 논리와 추론 • 규칙기반 인공지능은 논리 바탕의 규칙을 통해 추론 • 논리는 다양한 논리 연산으로 폭넓게 활용됨 • 탐색 방법, 문제 해결 알고리즘, 지식처리 등에 필요 • 전문가 시스템 등의 응용에 필수적인 기반 지식 • 논리와 다양한 논리 연산 등의 기초지식이 필요함 (2) 논리란 무엇인가? • 인간의 사고가 논리적인지를 판단하는 기준 • 토론이나 논쟁에서 중요한 것은 주장의 논리성 • 상대방을 논리적으로 설득하는 것이 매우 중요 • 객관적이고 명확한 사고 법칙의 준수로 결정됨 • 논리를 통한 입증에 필요한 법칙 제공 논리의 활용 • 컴퓨터 관련 학문이나 공학 등의 분야에 폭넓게 응용됨 • 규칙기반(rule-based) 인공지능에 이론..

1. 인공지능을 위한 수학적 바탕 (1) 인공지능과 수학 • 수준 높은 인공지능 탐구를 위해 수학적 바탕 필요 • 인공지능 관련 유명 인물 중 수학 관련 사람이 많음 • 예를 들어 앨런 튜링과 민스키 등도 수학자 출신 • 인공지능은 수학적 모델링과 관계가 깊음 (2) 인공지능 연구에 필요한 수학적 기초와 프로그래밍 • 인공지능에 관한 기본 지식은 현대사회의 중요 이슈 • 상식이나 교양수준에서는 간단한 인공지능의 개념, 간략한 원리, • 응용 정도면 충분 • 인공지능 연구개발 예정자는 기초적인 수학 지식이 필요 • 행렬과 벡터는 매우 필요한 핵심적인 수학 • 행렬은 데이터의 공간 변환 등에서 필수적인 도구 인공지능에 필요한 주요 수학적 지식 1 고등학교에서 배운 기초 수학에 대한 지식이 필요 • 고등학교 ..

1. 4차 산업혁명의 시작 (1) 4차 산업혁명의 도래 • 4차 산업혁명(The Fourth Industrial Revolution) • 2016년 1월 세계경제포럼에서 처음으로 언급됨 • 컴퓨터와 인터넷의 3차 산업혁명에서 한 단계 더 진화 • 4차 산업혁명의 전 세계적인 바람과 엄청난 변화 • 인공지능을 비롯하여 사물인터넷, 빅데이터, 자율주행차, 로봇공학, 생명공학, 나노기술 등의 분야 1, 2, 3, 4차에 걸친 산업혁명 • 1차 산업혁명은 증기기관 기반의 기계화 혁명 • 2차 산업혁명은 전기 에너지 기반의 대량생산 혁명 • 3차 산업혁명은 컴퓨터와 인터넷 기반의 지식정보 혁명 • 4차 산업혁명은 인공지능 소프트웨어 등의 정보 기술 • 또 빠른 통신기술 등을 융합한 지능정보 기술이 핵심 • 특히 ..

1. 인공지능의 수준별 분류 인공지능의 수준에 따른 분류 • 인공지능 관련 이론과 기술 수준은 지속적으로 발전 중 • 초기의 인공지능은 인간의 두뇌를 흉내 내는 정도의 수준 • 장차 인간의 지능과 같거나 그 이상의 능력을 목표로 추구 • 심지어 자아의식까지 가진 강력한 인공지능을 꿈꾸고 있음 • 인공지능은 수준에 따라 2가지 방법으로 분류 1) 약한 인공지능과 강한 인공지능 2) 좁은 인공지능, 일반 인공지능, 슈퍼 인공지능 약한 인공지능과 강한 인공지능 • 약한 인공지능(Weak AI)과 강한 인공지능(Strong AI) • 1980년 미국의 존 설(Searle) 교수가 최초로 사용한 개념 • 유명한 중국어 방 논증 제안 • 약한 인공지능은 단순히 인간의 능력 일부를 시뮬레이션하는 것 • 약한 인공지능..

1. 인공지능의 분류 체계 규칙기반 인공지능 - 기호와 논리 위주, 추론가능, '초기 인공지능' 혹은 '좁은 의미의 인공지능' - 대표적인 인물 : 매카시, 민스키, 사이먼, 뉴웰 - 관심 분야 : 수학적 정리 증명, 자연어 처리 (문제 해결, 게임, 의사결정, 전문가 시스템 등) - 발전 1) 휴리스틱 방법 개발 (선험적 규칙) 2) 1980년대 초부터 전문가 시스템 응용으로 방향 전환 3) 최근 머신러닝과 딥러닝에게 주도권 넘겼으나 아직도 중요 - 장점 1) 초기에 상당한 성과 2) 문제 해결을 위한 알고리즘 개발은 성과 냄 3) 문제 해결의 결과에 대한 입증이나 설명 면에서 큰 장점 - 단점 1) 학습을 통한 인공지능 구현이 어려움 2) 문자, 음성, 영상 등의 패턴인식 면에서의 한계성 노출 신경망..

Data Rate vs Signal Rate - Data Rate : bps - Signal Rate : baud - 데이터 전송률 높이고 신호 전송률를 줄이면 좋다 (사용하는 주파수 대역폭 축소) 1) 관계 S = c * N * 1/r (S = 신호 전송률, C = 상수; 보통 1/2, N = 데이터 전송률 , r=ratio) 2) 주파수대여폭은 신호 전송률에 비례한다 최소 B = S 최대 N = c * S * 1/r = 2*B*log₂L Effect of Lack of Synchronization (동기화) : 송신기와 수신기의 시간이 같아야하는 것] - 데이터 시계 : 수신기 신호가 송신기보다 0.1% 빠르다 Digital-to-Digital Conversion 1) Line coding "반드시 ..

1. Physical Layer Physical Layer - Actually interacts with the transmission media (실제로 전송매체와 상호작용한다) - Moves data in the form of electromagnetic signals (데이터를 전자기 신호 형태로 옮긴다) Data - To be transmitted, data must be transformed to electromagnetic signals. (데이터가 전송되기 위해서는 전자기 신호로 변환되어야 한다.) * 참고 * : 평균전압 = 최대전압 / √2(1.414) Analog and Digital - Data can be analog or digital 1) Analog data (아날로그 데이터)..

2. Scheduling algorithm (시험 반드시 출제) Process Scheduling Example - Arrival Time : 프로세스가 ready queue에 도착한 시간 - Service Time : 프로세스 실행 시작 후 종료되거나 I/O 함수호출로 대기 큐에 이동하기 전까지의 실행 예상 시간 스스로 blocking 될 때까지의 시간 Frist-Come-First-Served [FCFS] : Ready queue에 들어 온 순서대로 실행 (FIFO) - Ready queue에서 가장 오랫동안 있었던 (대기시간이 가장 긴) 프로세스가 가장 우선순위가 높음 - 비선점형 스케줄링 - 짧은 작업의 프포레스가 긴 작업의 프로세스 때문에 오랫동안 Ready Queue에서 기다려야 하는 경우 1..

1. Scheduling Basic Term - Turnaround time : 프로그램의 시작부터 완료까지 걸리는 시간 (오늘날 사용자의 입출력에 의한 프로그램에서는 큰 의미가 없다) - Response time : Input이 들어오고 output까지 걸리는 시간, 알고리즘이나 컴퓨터의 포화상태에 따라 달라짐 - Deadlines : 마감기한, ex) 동영상 프레임 33ms - Troughput : 단위 시간당 처리를 끝낸 프로세스 개수 - processor utillization : CPU가 시간 당 바쁜 비율 (순수한 CPU 이용률 - 다른 작업들을 제외하고 순수하게 프로그램을 돌리는데 사용된 CPU 이용률) over head가 심할 경우 이용률 떨어짐 Aim of Schuduling(목적) 1)..