인공지능 학습시키는 방법

“제가 학습하고 있는 강의를 정리하여, 부족하지만 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.

 

 

→ 😐DG생각: 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”