현재 우리가 사는 21세기에서 가장 핫한 이슈중 하나는 AI이다. 농경사회에서 산업혁명을 통해 육체노동의 자동화를 이루었듯이 정보사회에서 SW혁명을 통해 지능정보사회가 도래햇다. Google '알파고'의 등장으로 인해 컴퓨터가 스스로 학습하고 예측하는 machine learning (머신러닝) 사례를 보면서 이제 바둑의 세계 까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 기계학습ML(machine learning)은 인공 지능 분야로, 인공지능 컴퓨터가 인간을 뛰어넘는 시대가 도래했다. 기계학습ML(machine learning)은 인공지능의 분야로, 인공지능 컴퓨터가 혼자 학습 하도록 알고리즘 기술 개발을 하는 뜻을 의미하는데, 많은 기업들이 머신러닝을 바둑의 세계까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 많은 기업들이 머신러닝을 용하는데 그 예로는 Facebook에서 이미지를 계속 학습하여 나중에 그 이미지가 누구인지 알려주는 것도 머신러닝의 한 사례이다. 또한 구글의 데이터 센터최적화를 위해서 효율적인 에너지 사용 모델 구축을 위해 neural network(신경망)을 활용하였다. 또 다른 사례로 마이크로소프트의 실시간 통역 모델은 번역 학습을 통해 언어관련 인풋 데이터가 증가할수록 더 정교한 번역을 해주는 모델이다. 이처럼 많은 분야에 머신러닝이 점차 쓰이면서 이제 우리 21세기 사회에서 앞으로 나아가려면 AI산업으로 뛰어들어야 한다.
현재 우리가 사는 21세기에서 가장 핫한 이슈중 하나는 AI이다. 농경사회에서 산업혁명을 통해 육체노동의 자동화를 이루었듯이 정보사회에서 SW혁명을 통해 지능정보사회가 도래햇다. Google '알파고'의 등장으로 인해 컴퓨터가 스스로 학습하고 예측하는 machine learning (머신러닝) 사례를 보면서 이제 바둑의 세계 까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 기계학습ML(machine learning)은 인공 지능 분야로, 인공지능 컴퓨터가 인간을 뛰어넘는 시대가 도래했다. 기계학습ML(machine learning)은 인공지능의 분야로, 인공지능 컴퓨터가 혼자 학습 하도록 알고리즘 기술 개발을 하는 뜻을 의미하는데, 많은 기업들이 머신러닝을 바둑의 세계까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 많은 기업들이 머신러닝을 용하는데 그 예로는 Facebook에서 이미지를 계속 학습하여 나중에 그 이미지가 누구인지 알려주는 것도 머신러닝의 한 사례이다. 또한 구글의 데이터 센터 최적화를 위해서 효율적인 에너지 사용 모델 구축을 위해 neural network(신경망)을 활용하였다. 또 다른 사례로 마이크로소프트의 실시간 통역 모델은 번역 학습을 통해 언어관련 인풋 데이터가 증가할수록 더 정교한 번역을 해주는 모델이다. 이처럼 많은 분야에 머신러닝이 점차 쓰이면서 이제 우리 21세기 사회에서 앞으로 나아가려면 AI산업으로 뛰어들어야 한다.
One of the hottest issues in our 21st century is AI. Just as the automation of manual labor has been achieved through the Industrial Revolution in the agricultural society, the intelligence information society has come through the SW Revolution in the information society. With the advent of Google '...
One of the hottest issues in our 21st century is AI. Just as the automation of manual labor has been achieved through the Industrial Revolution in the agricultural society, the intelligence information society has come through the SW Revolution in the information society. With the advent of Google 'Alpha Go', the computer has learned and predicted its own machine learning, and now the time has come for the computer to surpass the human, even to the world of Baduk, in other words, the computer. Machine learning ML (machine learning) is a field of artificial intelligence. Machine learning ML (machine learning) is a field of artificial intelligence, which means that AI technology is developed to allow the computer to learn by itself. The time has come when computers are beyond human beings. Many companies use machine learning, for example, to keep learning images on Facebook, and then telling them who they are. We also used a neural network to build an efficient energy usage model for Google's data center optimization. As another example, Microsoft's real-time interpretation model is a more sophisticated translation model as the language-related input data increases through translation learning. As machine learning has been increasingly used in many fields, we have to jump into the AI industry to move forward in our 21st century society.
One of the hottest issues in our 21st century is AI. Just as the automation of manual labor has been achieved through the Industrial Revolution in the agricultural society, the intelligence information society has come through the SW Revolution in the information society. With the advent of Google 'Alpha Go', the computer has learned and predicted its own machine learning, and now the time has come for the computer to surpass the human, even to the world of Baduk, in other words, the computer. Machine learning ML (machine learning) is a field of artificial intelligence. Machine learning ML (machine learning) is a field of artificial intelligence, which means that AI technology is developed to allow the computer to learn by itself. The time has come when computers are beyond human beings. Many companies use machine learning, for example, to keep learning images on Facebook, and then telling them who they are. We also used a neural network to build an efficient energy usage model for Google's data center optimization. As another example, Microsoft's real-time interpretation model is a more sophisticated translation model as the language-related input data increases through translation learning. As machine learning has been increasingly used in many fields, we have to jump into the AI industry to move forward in our 21st century society.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 프로젝트 연구는 머신러닝을 사용하여 데이터 학습을 통해 날씨,기후,공급,수요량을 측정하여 미래의 데이터 결과를 예측하는 연구이며, 접근성이 용이하고 편리한 구글의 Tensorflow 라이브러리의 사용과 RNN(Recurrent Neural Network) 알고리즘을 이용하여 과일들의 가격을 예측하고 그에따른 수급조절을 하는 모델을 제안 연구하고자 한다.
제안 방법
기본 데이터가 탄탄해야 예측이 잘 될 수 있으며 개발자가 원하는 결과 값이 도출되기 때문이다. 다음으로 데이터 셋 구조, 인경신경망 구조를 알아보자.
대상 데이터
5이상되는지 확인하여야 한다. https://www.python.org/downloads/ 통해 사이트에 접속하여 컴퓨터 환경에 맞는 버전을 다운받는다.
이론/모형
프로젝트에서는 Python은 한줄 한줄 실행되는 스크립트언어라서 오류를 색출하기가 쉽지 않을 것으로 판단되어 디버깅 기능을 제공하는 IDE(Integrated Development Environment)를 사용하였다.
후속연구
그러므로 과일 재배에 영향을 끼칠 수 있는 요인에 대한 대비를 미리 할 수 있기 때문에 과일 공급량을 안정적으로 유지할 수 있는데 기여할 수 있을 것이라고 생각된다. 그리고 날씨데이터를 정제하고 다양한 데이터변수를 추가하면 좀 더 높은 예측률을 기대할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
Python은 무엇이며, 어떤 특장점을 지녔는가?
C언어를 기반으로 설계된 오픈소스 고급 프로그래밍언어이다. 독립적인 플랫폼이기 때문에 여러 플랫폼에서 사용이 용이하고 기본으로 제공되는 많은 라이브러리가 제공된다. C, C++, Java 같은 프로그래밍 언어보다 훨씬 배우기 쉽고 문법도 간단하다. 또한 C, C++, Java보다 약 1/3 또는 1/5정도의 코드만으로도 같은 기능을 수행할 수 있어 개발 생산성이 매우 높다. 쉽게말하여 포괄적인 명령을 내려도 컴퓨터가 알아서 일을잘 처리한다.
머신 러닝이 활용되고 있는 분야는 무엇이 있는가?
머신 러닝은 인공지능 컴퓨터를 포함한 거의 모든 분야에서 활용되며, 컴퓨터 시각(문자, 시각 등 인식), 자연어 처리(번역, 분석), 정보 검색 및 검색 엔진, 음성인식 및 필기 인식, 컴퓨터 그래픽 및 게임, 생물 정보 학, 로보틱스등의 분야에서 응용되고 있다.
머신 러닝 기술은 무엇인가?
머신 러닝의 기계 학습은 인공지능 컴퓨터의 한 분야로, 패턴 분석과 컴퓨터 딥 러닝 이론의 연구로부터 진화한 분야이다. 머신 러닝은 실질적 경험한 데이터를 기반으로 하여 학습을 자동적으로 하고 예측을 수행하면 스스로의 딥 러닝 기능으로 성능을 향상시키는 시스템과 알고리즘 패턴을 분석하고 구축하는 기술 중 하나 이다. 머신 러닝의 컴퓨터 알고리즘들은 규격화된 정적인 프로그램 명령들을 수행하는 것이 아니라 수집한 데이터들로 미래를 예측하거나 결정을 할 수 있도록 모델을 구축하는 방식이다.
참고문헌 (7)
J. O. Nam, S. K. No, E Y Park. "A Study on Forecasting Oyster Price with Time Series Analysis", Marine Policy Research, Vol.27 No.1 pp.65-94 June 2012
J. O. Nam, E. Y. Park, S. K. No, "Forecast for Laver Producer Price Using Time Series Models", Marine Policy Research, Vol. 29, No. 2, pp.271-303 December 2014
S. M. Ahn, Deep learning Architectures and Applications, Intelligence Information Research Center, Vol.22 No.2, pp.127-142, June 2016
J. W. Kim, H. A. Pyo, J. W. Ha, C. K. Lee, "Deep learning algorithms and applications", Korea Information Science Society, Vol. 33 No.8, pp.25-31, August 2015
Y. J. Song, J. W. Lee, J. W. Lee, "Performance Evaluation of Price-based Input Features in Stock Price Prediction using Tensorflow", Korea Information Science Society, Vol. 23 No. 11. pp.625-631, 2017
I. T. Joo, S. H. Choi, "Stock Prediction Model based on Bidirectional LSTMRecurrent Neural Network", Korea Information Electron Communication Technology, Vol. 11, No.2, pp.204-208, April 2018,
S. B. Lee, H. O. Kim, H. K. Seok, J. H. Nang, "Comparison of Fine-Tuned Convolutional Neural Networks for Clipart Style Classification", Vol. 9, No. 4, pp.1-7, 2017
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.