[강연] 수학으로 인공지능(AI)원리 이해하기 - 2편 (머신러닝/딥러닝)

이상엽Math
5 팔로워
후원 | 우리은행 1002-031-127166 (이상엽)
서울사이버대학 강의 편집영상입니다.
원본 영상은 ▷ https://youtu.be/lgve-_ZrgbE
#인공지능 #머신러닝 #딥러닝
http://이상엽Math.com
여기까지 오면서 약간 으로 작위적인
느낌이 드는 부분도 있었을 거에요 뭐
예를 들어서 유사도 행렬을 이제
구하는 산식 이라든지 저 4대 행렬의
수치들을 만들어나가는 그런거
그래서 제가 그냥 임의적으로 구성한
식인 거거든요 여기에 추천 임계값 또
왜 일로 합니까 져 다른 숫자로 할
수 있었는데 그래도 그냥 제가 가나
이러한 거거든요 그러니까 요러한
유사도 행렬이 라든지 뭐 추천 입니까
이런 것들도 컴퓨터가
뭐 연산에서
뭐 추천하게 만들어 볼 수 있지
않을까 이 컴퓨터에 역할을 더 늘려
보는 것이죠 그때 인공지능의 그 원래
그 취지에 더 이제 부하 때는 조금
더 인공지능 다음은 인공지능이 되어
가는 길인 것이죠 이렇게 되면은
그래서 이제 등장하는 개념이 바로
머신 러닝 겁니다 ai 의 전통적인
프로그램이 이라는 것은 여태까지
봤었던 그리 사례처럼 뭐냐면 규칙 그
규칙에 따라서 내가 여 처리할
데이터를 입력을 해주면 그에 따라서
그녀 컴퓨터가 쭉 계산해서 오 랜 드
결과 딱 알려주고 끝나는 그러한 이제
프로세스의 더워요 그런데 이제 머신
러닝 이라는 건 뭐냐면 내가 차량
데이터를 입력을 시켜주고 이 데이터로
내가 원하는 결과를 입력을 시켜 주는
겁니다 그러면 컴퓨터가 이러한 결과가
될 수 있도록 규칙을 s3 학습한
조금 더 어요 이 규칙을 더 정밀하게
조정하는 그런 과정까지 예시 로써
한번 살펴보도록 하자
이런 새로운 문제 상황을 제가 한번
주어 주도록 하겠습니다 번 대면에서
세며 펀드 내에서 1과 2와 3으로
구성되어서 자성 용사가 있다고 해
봐요 그렇게 자산운용사의 수익률을
한번 예측해 보고 싶다고 하고 있어요
3 4일에 대한 펀드매니저 일에 직전
기가 수익률은 플러스 3.14% 가
나온 거예요 왜 펀드 매니저의 이는
층 사이에 대해서 직접 기간에 -
1.59% 로 나옵니다 펀드매니저
삼은 플러스 2.65% 가 나온
거예요 그럼 이제 여러분들의
요 자를 벗어 투자자 2
4 다음 수익률 어떻게 될까 라는
것을 산정을 볼 수가 있겠죠
당연히 예매 들을 적절히 여러분도
혼합해서 6월 현재 할텐데 이런
얘기입니다 2+ 점 있어 -1.5 9
플러스 있죠 근데 여러분 같이
쌩뚱맞게 여기 예상 수익률은 플러스
50% 이렇게 삽질 않을 거에요 그쵸
요수 치들 바탕으로 적절하게 이게
값을 산정 할 거라는 것이죠
그 이제 산 식을 이런 시 우리가
살펴볼 수 있는 겁니다 펀드 메이저
일에 직전 기가 수익률에 대해서
저자의 가중치를 부여해 주고 요 값에
대해서 속 쩌리 가중치를 부여해 주고
요 값에 대해서 적절히 가중치를
부여해 줘서 확산 해서 그 예상수
인이라고 산출하였다 인공신경망 각
노드들의 역할을 하는 것이고 그
노드들의 부여하는 가중치를 역할을
하는 것이고 그럼 이제 뭐가 중요
하겠습니까
내가 예산안 치와 실제 시간이 지나고
나면 믹스 3 4 1의 실제 수익률이
라는게 나올 겁니다 그렇죠 그러면
내가 뭐가 진짜 신내림을 봐 사가지고
찧기 내리자 아닙니다 당연히 내가
예상한 수치와 실제 치는
어긋날 수밖에 없겠지요 이건 오차가
생길 수 밖에 없겠죠 그러면 이
오차를 최대한 줄여줄 수 있도록
부여했던 가중치를 조정해 준다는
거예요
그렇게 해서 예측 무대를 더 정교하게
만들어주겠다 예측치 와 실 제 7조
뺐 쪽으 제고 팼다 라는 것에 오차의
적어 빈 건데 뭐 3 절대 값을 구할
때 받아야 할 수 있어요 여러분들이
주목해야 될 건 뭐냐면 어쨌든 5차
5차 이 중추 되서 3명이 니까
3명에 대해서 합장하고 나누기 3
에서 풍금 빵 거거든요 그래서 이
손실 함수가
값이 최소가 되도록 그 말은 곧
예측한 것과 실제 치에 고 차가
최소 한다는 것이죠
그 말은 곧 내 예측이 더 정교하게
맞아 떨어진다는 것이죠 모델로서
나오고 그 예측 값이
그렇게 되도록 하는
가중치를 최종적으로 구한 게 목표인
겁니다
어려운 내용 했어요
자 어려운 내용 했는데 잘 따라
오셨다면 너 박수를 때 좀 드리고
싶어 고
훌륭하신 겁니다 웹 자연스럽게 우리는
요러한 의무에 대해 수 밖에 없죠
어떻게 할까 어떻게 하고
즉 기본적인 개념 하나를 좀
말씀드리고 넘어가도록 할게요
뭐냐면
정 4강 법이라는 방법이 있습니다
밑에 보시면 파란 선 보이시나요 탄색
복서 여 파란색 복선이 손실 함수의
그래프 라고 생각을 하시는 거예요
그러면 우리가 뭐라 거라는 건 보다
손실 함수가 가장 작아지게 되도록 즉
이 그래프에서 지금 최소 점 가장
밑에 점 이 되는 게 우리의 목표 온
거예요 여러 가지 못 들었죠 여기를
우리가 알고 싶은 겁니다 그래서
당연히 우리가 뭐 즉시 내리지 않는
아 신대림 받지 않아야 한 번 열기를
예측한 것은 거의 불가능 하나 또
우리가 예측한 것이 뭐 이러한 데이
찍혔다고 해보는 거예요 요 포인트에
대해서 우리는 접선의 기울기를 보면
우상향 하고 있죠 근데 는 증가 구인
상황 거예요 기울기가 양수인 겁니다
그래서 기운 태양 수 일 땐 어떻게
하겠다
점의 위치를 의미의 방향으로 조정해
줍니다 그러면 요 점의 위치가
왼쪽으로 이동을 하면서 요러한 포인트
세컨드 요 위 이러한 위치로 이제
조정이 된다는 것이죠 그럼 또 다시
u 점에서 6일 함수에 대한 접선
기울기로 구해봐요 그럼 여전히 우상향
하니까 얘는 양해 방향인데 기울이
양수 4 이제 우리 학교 내 점이
지를 또 음의 방향으로 조정을 하겠다
그래서 점점 점점 점점 전보다 요
목표 점 으로 나아가게
찾아가게 하는 것이죠
만약에 이런데 정치 키야
왼쪽이 는 계속 지키면 요러한
포인트에서 접선 기울기는 우하 양
하니까 요번에 기울기가 음순 거거든요
그렇게 하겠다 그게 음 수면은 점의
위치를 양의 방향으로 조정을 해 주자
그래서 마찬가지 종전대로 찾아 가게
해서 요기를 딱 챈 것이다 그래서
기계가 이제 태양과 컴퓨터가 열심히
연산을 하는 거야 그래서 열심히 시행
책으로 연설을 해 가지고 이제
최종적으로 계속 끝났다 휴 멋
해석해야 받는 용 포인트 딱 찾고 아
가중치 3 끝 그럼 이제 우리 예측치
는 예측 모델은 아주 훌륭하게 나와
준 것이죠
사람이 이걸 다 계산하는게 합니다
컴퓨터 그냥 열심히 계산을 해 준
마음이 따뜻한 야 아까 살짝 작게
나왔지만 기울기를 구하는 작업 자체가
미분 이라는 개념이 쓰입니다 우리가
학창시절에 고등학교 때 배웠던 미분이
아주 열심히 쓰이죠
선생님이 요 점의 위치를 얼만큼 수정
하나요
만약에 요 선실 함수에 모양이 요렇게
예쁘게 주어지지 않고 막 울퉁불퉁
하면 껌도 어떻게 되는건가요 등등
다양 의 적도 이게 노예들이 이
펼쳐지는 데에
다 그 이수 마다 다 아주 그냥
처음에 안 쓴 내용들이 좌제 영어가
돼요
오늘은 뭐 여기서 생각하도록 하고 한
단계 더 나오겠죠 특징 약 이라는
개념을 한번 쯤 얘기해보고자 합니다
다시 아까 우리 예시 같은 경우 다시
어느새 것이다 자산운용사의 수익률을
내가 예측해 보고 싶어 짜 나요
그래서 어떠한 데이터들을 갖고 않냐며
투자자들에 대한 그 펀드 매니저들의
직전 기간 수익률 자료를 갖고 아셨죠
그런데 아실은 얼마든지 더 중요한
데이터가 있을 수 있거든요 폭 한
예를 들어서 기준금리 같은 자료가 될
수도 있겠고 호그
이 투자하고 있는 그 주요종목 꾼들의
대한 업계 동향이나 산업 동향 이나
증권 현황 이냐 으
요새같은 이 시국에 는 코로나 뭐
변이 바이러스가 행경 하느냐 안
생겼는데 그런지 내용이 될 수도
있겠고 얼마든지 수 18:00
데이터의 종류는 무궁무진 합니다
그중에서 아깐 그냥 이례적으로 그냥
간단하게
그 펀드 매니저들의 집중 북한 수익률
막내가 꼬아서 한건데 입어 신원이
이라는걸 수행함에 있어서 처음에
데이터를 입력하는 단계에서 이미 내가
임의적으로 특징 양이라는 것을 추출해
가지고 이거 에 따른 모델을 만든
것이죠 2 특징 양구 이제는 컴퓨터가
스스로 적절하게 구성을 해서 이러한
연산을 수행하게 할 수 없을까
조금은 더 컴퓨터에 역할을 한 번
눌러 볼 수 없을까 라는 생각을 해
볼 수 있는 것이죠 현실적으로 전에
중요한 님께 뜨자 이는 플러 3.58
그래서 구축해 지오디 정통 봐도
되겠죠 고수익이 예상이 된다 아까
우리가 봤던 추세에서 1에 비해서
뭔가 처럼 흠 재 3 4의 이를 고수
이 꾼 으로 우리가 분류를 하고 자
일은 이제 또 상대를 벌어 저수익 옛
예산군 으로 분류를 하고 그러면
실제적으로 자산홍 사 같은 경우 늘
뭘 들어 고수익이 예상되는 그런 어순
임 들에 대해서는 뭔가 좀 안전자산
상품을 또 이상옥 그게 권유해 볼 수
있는 것이고 초 매출 증진을 위해서
또 상대적으로 수익률 안 날 것 같은
그런 또 고객 집단에 대해서는 조금은
더 공격적인 그런데 포트폴리오를 개
또 제시 해 볼 수도 있는 것이고
그래서 이렇게 현실적인 문제 고대
중요한 문제거든요 그래서 등장하는
개념이 바로
딤 논이 인 겁니다
예 김나래
우리가 대량의 데이터를 통해서 이
데이터들의 특징 양을 추출을 할 때
기존의 머신 러닝 이라는건 보였다
업힐이 오한 특징을 사람이 전문가가
직접 내가 찍어서 요런데 더를 입력을
시켰다가 치면 을
뒷면 일하는 것보다
그러한 이제 사람의 개입 없이 기계가
알아서 그런 설정해 가지고 개선 결과
되도록 하고 이렇게 해서 추론 모델
생성 한다
그러면 이제 여러분들께서는 아마 이런
생각이 될 수도 있어요
어느 그러면 딤 논의 훨씬 더 뭔가
진보된 기술이 고 어쨌든 컴퓨터가
하면 뭐가 찔끔 더 정확할 것 같고
5초 그러면은 딘 러닝 이라는게
제임스의 안그래도 뭐 뉴스기사 같아서
많이 보이니까
그럼 내가 이제 생수 캥 개원한 이상
기존의 머신 러닝 은 이제 점점
사라지고 사양 되는 겁니까 왜
그렇지도 않아요 예 징 넌 이 이제
같은 경우는 기본적으로
입력해 주는거 데이터의 양이 적으며
성능 확 떨어집니다
백성과 떨어지고 데이터의 양이 아주
많아야 아주 그럼 많은 환경 이라야
비로소 이 딜런이 의 진가가 발휘 가
되는데
설령 동일한 수준의 양의 데이터를
차려야 그 한다 하더라도 이 디너
하는 알고리즘은 일반적으로
머신 넌 이에 비해서 압도적으로 학습
시간이 오래 걸립니다
예
당연하죠
고려해 될 변수들이 많으니까
그리고 뭐
우여곡절 끝에 어떻게 돼 이제
컴퓨터가 cpu 가 왜 돌아가면서
악의 못하겠다 휴먼 거의 한개 다
휴먼 그러다가 어제 뜨 가지 결과를
다 됐어요 다시 결과를 받고 나서도
기준의 보시면 이 같은 경우는
전문가가 그 특징 0 이라는 걸
이렇게 설정을 해고에 대해서 입력
하기 때문에 결과가 이제 나오고 나면
아이 결과가 어떻게 이제 나온 것인지
그 원인 분석 이라든가 혹은 그에
따른 대처가 내용이 한데 빈 러닝은
결과 만땅 하고 주어지고
얘 왜 이러 대체 왜 이런 결과가 나
하는지를 알기 가 뜨게 어려워요
컴퓨터가 이거 이런 과정을 통해서
계산이 나왔다 라는 것을 개 컴퓨터가
설명해 주지 않으니까요 예 그런
문제도 있고요
과거에는 애초에 그 컴퓨터 연산 처리
능력 자체가 받쳐 주지 못하니까 현실
성도 떨어져 썼고 보니까 이제
애초에 필요성에 대해서 될까 회의적인
그런 분위기였는데
내 이제 그네 들어서 이진 러닝이
되게 뜨고 있는
이유 라고 하면은 빅데이터의 출연이
크죠 어 그러니까 실시간 적으로
쏟아져 나오는 데이터의 양이 어마어마
하니까 다시 그것을
아무리 전문가라 하더라도 자 한번
사람 전문가 라는 그걸 일일이 다 그
데이터들을 파악을 해 가지고 분류를
하고 범주를 만들고
당연히 이제 이 기술의 협 기술 다시
혁신적으로 발달해 쓰니까 근데 좀
컴퓨터 처리 연산 처리 속도도
어느정도 현실성 있게 바쳐 지게 된
것이고 그래서
그러니 뭐 그런 전망이 나오는 거죠
시간의 지남에 지날수록 뒹 넌 의미의
비중이 점차 더 많아질 것이다 허리
되는 가장 기본적인 개념 중의 하나인
이렇게 입행 누군지 파에 대해서
말씀드리고 방해 봤을까 합니다 그래서
그래요 제가 이렇게 간단하게 말자
하고 불량 사는게 넘어가지만 굳이 8
마늘 얘기 하려고 해도 되게
수학적으로 할리가 되게 많아요 아
기본적으로 통계적인 이론들이 되게
많이 들어가거든요
뭐 하물며
거리를 또 어떻게 우리가 설정해 줄
것이냐 그것부터 하셨소 안기고 내
같은 경우 k 값이 잉 거에요 그래서
두 개의 군중으로 나는게 보편 데
이제 빨간색 점들이 중심점 역할을
하는 겁니다 그럼 이제 여러 왼쪽에
위에 하얀색 점 같은 경우는
왼쪽 점이라 오른쪽 쯤에 빨간색 점
중에서 왼쪽이 더 가깝죠 그럼 얘는
얘한테 묶여 요 얘도 얘한테 얘도
이한테 가는 거죠
얘는 얘가 더 깜짝 공연 이한테
옛이야기 1 지한테 나무 6개 다
해결되어 가는 거죠 그러면 요런
식으로 최초의 군집 영상이 됩니다
그런데 이렇게 해놓고 나서 이제 요
중심 점들을 조정을 해 줘요 이제는
요정 같은 경우는 여기보다 이거 다
가까우니까 이제는 내가 얘한테
느끼겠죠 얘들한테 목 얘야 느끼고
6경 열정이 한테 바뀌겠죠 그럼 내가
이렇게 조정이 됩니다 그럼 또 다시
요 중심 점들을 조정을 해줍니다
조정 이렇게 됐다 라는 거예요
이제 이 상태에서는
똑같은 또 이제 요 알고리즘 아무리
수영을 해 줘도 이제는 바뀌진 않겠죠
결과가 그럼 이제 끝난 거예요 이렇게
해서 두 개의 아직 땅을 딱 분류가
된 것이다 어 그런데 봅시다
요 두개 싶다 이 분류가 됐는데 왜
일러서 요 왼쪽 집단의 있는 얘 라
요르단 예라 대체 어떠한 차이가
있는거 어 비트 데이터 봐요 빨아 수
없어요 다만
어쨌든 군 집은 잘 됐습니다
아 제가 아까 들었던 말이 이런
내용을 거예요
이제는 여러분들 적어도 이러한 느낌은
뜻이겠죠 이제는 적어도 악 인공지능을
얘기함 있어서 수하 된 필수 초이
거야 벡터 데이터 행렬 데이터 처리
1 급전 의 선형 대수학 에 지식들이
들어가고요 모델의 정밀성을 더 이제
조정하는 과정에서 당해도 미분
미적분학 에 또 지식들이 필요한
것이고요 통계학적인 지식들 한국
확률론적 인 내용들 으 미 산수화
조금 더 지파 게다가 위상수학 여러
이제 다양한 수학 분야 들의 때
뿌리를 내려 가지고 지금 오늘의 가
성장한 게 이 을 날 인공지능의 어
모습 이라는 것이죠 긴 시간 경청해
주셔서 감사합니다 마치겠습니다
