인공지능 학습시키는 방법
학습여정
“제가 학습하고 있는 강의를 정리하여 공유합니다. 함께 발전하길 바랄 뿐입니다.”
비지도 학습
클러스터링을 통해 고객 데이터를 분석하고 서로 다른 고객 그룹을 식별합니다.
사전 정의된 출력 없이 데이터에서 의미 있는 패턴을 찾는 방법입니다.
전이 학습
한 작업에서 학습한 지식을 다른 작업에 적용하는 기술로, 적은 데이터로도 새로운 작업을 수행할 수 있게 도와줍니다.
강화 학습
보상 신호를 통해 AI가 최적의 행동을 학습하도록 하는 방법으로, 자율 비행 헬리콥터 훈련에 사용됩니다.
생성적 적대 신경망(GANs)
새로운 이미지를 생성하는 데 뛰어난 기술로, 예를 들어 유명인의 이미지를 합성하는 데 활용됩니다.
지식 그래프
사람이나 사물에 대한 정보를 구조화하여 검색 결과에 추가 정보를 제공하는 데이터베이스입니다.
실제 사례: 소매업체의 고객 클러스터링
상황: 한 대형 슈퍼마켓이 고객의 구매 패턴을 분석하고 싶어합니다. 이 슈퍼마켓은 다양한 가격대의 감자칩을 판매하고 있으며, 고객의 구매 데이터를 수집하고 있습니다.
데이터 수집: 고객이 구매한 감자칩의 패킷 수와 평균 가격을 기록합니다. 예를 들어, 어떤 고객은 저렴한 감자칩을 많이 사는 반면, 다른 고객은 비싼 감자칩을 적게 사는 경향이 있습니다.
클러스터링 적용: 비지도 학습의 클러스터링 알고리즘을 사용하여 고객 데이터를 분석합니다. 알고리즘은 고객을 두 개의 주요 그룹으로 나누었습니다:
결과 활용: 이 정보를 바탕으로 슈퍼마켓은 각 고객 그룹에 맞춘 마케팅 전략을 수립할 수 있습니다. 예를 들어, 대학생을 대상으로 한 할인 프로모션을 진행하거나, 직장인을 위한 프리미엄 제품을 강조하는 광고를 할 수 있습니다.
이 사례의 중요성
비즈니스 전략: 고객의 구매 패턴을 이해함으로써, 슈퍼마켓은 더 효과적인 마케팅 전략을 수립할 수 있습니다.
자원 최적화: 고객 그룹에 맞춘 맞춤형 프로모션을 통해 자원을 효율적으로 사용할 수 있습니다.
이와 같은 클러스터링 기법은 다양한 산업에서 고객 세분화 및 마케팅 전략 수립에 매우 유용하게 활용될 수 있습니다.
→Digitalian: 데이터의 목적성 가치에 따라, 힘들게 얻지만 극도의 가치가 있는 것, 쉽게 얻지만 가치 잠재성이 있어 양으로 승부할 것들을 먼저 분별하여 투자 에너지를 분배하는 것이 사전 학습기획에 핵심이라는 생각을 해 봅니다.
※본 요약은 ‘공정 이용(fair use)’사용 목적으로, Stanford University의 Coursera강의 ‘모두를 위한 AI’를 수강하며 작성한 요약이며, 직접적인 강의 내용 복사, 슬라이드 캡처등은 저작권에 의하여 엄격히 보호됩니다. - 앤드류 응(Andrew Ng)의 강의 by Coursera Plus - "Learning Notes and Summaries by digitalian”
