박동윤

박동윤님의 아티클

박동윤

박동윤

대화를 통해 전문적인 브랜드 웹사이트를 구축한 다음, 본업에 다시 집중하세요.

간단한 설명으로 시작하여 명확한 초안을 작성하고, 단계별 편집 가이드를 따라 사이트를 다듬어 나가세요.

빠른 초안가이드 편집다중 페이지 배포 흐름모바일 우선 편집

~부터 시작하세요WindWalker워크플로를 참조하세요.

설명하다

사업 유형, 목표, 어조, 주요 페이지를 공유해 주세요.

개정하다

페이지의 일부를 선택하고 편집자에게 변경할 내용을 알려주세요.

게시

외부 도구 없이 여러 페이지로 구성된 웹사이트를 게시하세요.

Workspace

AI가 구축한 프로토타입

시사채팅

미리보기 크롬

Atelier Oak

프리미엄 커피숍 웹사이트

초안

선택된 영역: 영웅 행동 촉구 그룹

가이드 편집

원하는 부분을 선택한 다음, 쉬운 말로 수정하세요.

편집

“핵심 콘텐츠는 프리미엄으로 유지하고, 불필요한 요소는 줄이며, 예약 유도 버튼(CTA)을 강화하세요.”

선택한 영웅 섹션을 업데이트합니다. 권장되는 다음 단계:

  • • 헤드라인 밀도를 높이세요

  • • 메뉴 미리보기 카드 추가

  • • 지도 및 예약 신뢰 블록 강화

히어로 CTA메뉴 밀도예약 블록

핵심 흐름

각 단계를 명확하게 보여주고 결과를 쉽게 검토할 수 있도록 하는 간단한 편집 흐름입니다.

먼저 명확한 초안을 작성하고, 간단한 채팅 지침으로 수정하고, 결과를 검토한 후, 한 곳에 게시하세요.

01

설명하다

첫 초안 작성을 위해 비즈니스 유형, 목표, 어조, 주요 페이지를 공유해 주세요.

02

생성하다

WindWalker귀사의 비즈니스에 맞는 명확한 레이아웃과 콘텐츠 블록을 갖춘 여러 페이지로 구성된 초안을 생성합니다.

03

선택 및 편집

변경하고 싶은 부분을 선택한 다음, 편집기에 어떤 내용을 업데이트해야 하는지 명확하게 설명해 주세요.

04

게시

서비스 내에 사이트를 게시하고 다른 도구로 옮기지 않고 지속적으로 업데이트하세요.

가이드 편집

일관된 브랜드 정체성과 어조를 유지하면서 더 빠르게 구축하세요.

WindWalker동일한 사이트에서 계속 작업하고, 페이지 구조를 따르며, 유용한 다음 단계를 제안합니다.

안전 미리보기

모든 변경 사항은 적용 전에 검증됩니다.

WindWalker각 업데이트를 검토하고, 오류가 발생한 결과를 감지하며, 필요한 경우 마지막으로 정상 작동했던 버전으로 되돌릴 수 있습니다.

하나의 서비스

다른 도구로 이동하지 않고 작성, 편집 및 게시할 수 있습니다.

사이트가 하나의 호스팅 서비스 내에 유지되므로 출시, 업데이트 및 관리가 더 쉬워집니다.

라이브 플로우

가이드 편집 기능이 실제로 어떻게 작동하는지 확인해 보세요.

데모에서는 동일한 제품 흐름을 보여줍니다. 초안 작성부터 시작하여 각 부분을 순차적으로 업데이트하고 최종적으로 출시하는 과정입니다.

1
0
박동윤

박동윤

노코드 시대, 개발력보다 기획력이 더 중요

코딩 없이도 개발자가 될 수 있는 시대, 노코드 시대가 열렸습니다

키워드 : 코딩,노코드,ai

  • 노코드란 무엇인가?

    • AI의 도움을 받아 코딩 없이 프로그램을 만드는 방식입니다.

    • 이미 개발된 코드를 모듈 형태로 제공하거나, 인간의 자연어를 이해하고 컴퓨터 언어로 번역하는 AI를 활용합니다.

  • 노코드 시대가 온 이유:

    • 마이크로소프트 파워포인트나 엑셀처럼, 누구나 쉽게 프로그램을 만들 수 있도록 지원합니다.

    • 개발 비용과 시간을 절감하고, 빠르게 아이디어를 실현할 수 있도록 합니다.

  • 노코드 서비스 활용 사례:

    • 마이크로소프트 파워앱스: 월 5~500달러 구독 요금으로 다양한 기능 제공

    • 구글 버텍스 AI: 노코드 기능을 지원하는 AI 플랫폼

    • 네이버 노코드 서비스: 현재 무료, 향후 유료화 예상

  • 노코드 시대의 미래:

    • 2024년에는 모든 앱 개발 활동의 65% 이상이 노코드 또는 로코드로 이루어질 것으로 예상됩니다.

    • 기획력과 문제 해결 능력이 더욱 중요해질 것입니다.

    • 누구나 아이디어를 실현하고 혁신을 일으킬 수 있는 기회가 열립니다.

참고자료:

  • 코딩 몰라도 개발자 될 수 있다? 노코드 시대, 개발력보다 기획력이 더 중요:

.https://www.etnews.com/20220527000067

6
0
박동윤

박동윤

GAS같이 자발적으로 유저가 콘텐츠를 만드는 케이스가 있을까요?

누군가 투표를 하면, 투표를 받은 사람이 자기를 좋아하는 사람이 누군지 알아보기 위해 다시 앱을 받고 궁금해하면서 다시 투표를 하고, 계속해서 투표 콘텐츠가 생성되고, 과금이 계속 이뤄지는 구조네요

GAS는 투표 시스템을 통해 사용자들의 궁금증을 자극하고, 과금을 유도하는 구조를 가지고 있습니다.

  1. 투표 시스템: 사용자는 다른 사용자에게 긍정적인 질문을 통해 투표합니다.

  2. 궁금증 유발: 투표를 받은 사용자는 자신에게 투표한 사람이 누구인지 궁금해합니다.

  3. 다시 투표: 궁금증을 해결하기 위해 다시 앱을 사용하고 다른 사용자에게 투표합니다.

  4. 콘텐츠 생성: 투표 결과는 새로운 콘텐츠로 생성되어 앱 내 활동을 활성화합니다.

  5. 과금 유도: 궁금증을 해결하고 인기를 얻기 위해 사용자들은 과금을 통해 추가적인 기능을 사용합니다.

요즘은 플랫폼 포화 시대라, 대부분의 신생 플랫폼은 자기 콘텐츠를 만들어야, 이를 바탕으로 유저를 끌어들이고, 유저들이 활동하여, 콘텐츠를 생산하게 됩니다.

초기부터 유저들이 자발적으로 콘텐츠를 만드는 경우는,

GAS처럼 누군가 나를 좋아한다. 데이팅 앱같은 경우예요.

데이팅앱이 그렇게 많아도 계속 만들어지는 이유인 거 같습니다.

어쨋든, 누군가 나를 좋아한다. 매칭해준다. 만난다. 나도 누군가를 좋아한다.

좋아요 같은 활동을 한다.... 이들이 지속적인 활동을 일으킨다.

물론, 자기 콘텐츠, 보상, 캠페인,홍보를 통하면 되는데, 이건 비용이 들지요.

역시나, 비슷한 로직으로 시도해보는게 진짜 바이럴이 되어서, 초기 수익 및 유저 확보에 좋은 거 같습니다. 그 다음에 자기 콘텐츠로 지속적으로 머무르게 하면 되구요. 그게 되면 또 자연스레 네트워크 효과를 얻어서 유저들이 콘텐츠를 생산하는 선순환 구조가 될 거 같습니다.

바이럴 투표로 유저가 생산하는 콘텐츠 -> 자기 콘텐츠 ->네트워크 효과로 유저 콘텐츠

여러분의 생각은 어떠세요?

AI 강의 콘텐츠

AI 개념 만들면서 감 잡자!

5
0
박동윤

박동윤

저의 소개

안녕하세요. 저는 박동윤 입니다.

AI SW 아키텍쳐로 저에 대한 이력을 소개해드립니다.

저는 프로그래머이자 과학자로서 컴퓨터 과학과 웹앱 서비스 분야에서 15년 이상의 전문 지식과 실무 경험을 가지고 있습니다. 컴퓨터비전 대학원을 전공한 후 LG와 삼성의 대기업과 벤처기업에서 소프트웨어와 알고리즘을 개발했습니다. Python계열 AI 백앤드 프레임워크,Java,Javascript 등을 사용하여 웹앱 서비스를 설계, 개발, 운영한 경험으로 확장성과 유지보수성 높은 소프트웨어 아키텍처를 위해 언제나 고민하고 있습니다.

AI SW Architect로 FullStack 기조로 유연하게 Tech Leading 가능하며, 가장 잘할 수 있는 포지션은 아래 기술스택처럼 Python계열 인공지능 웹앱서비스 개발 입니다.

경험

프리랜서, 딥러닝 SW Architecture '19년 3월 – 현재 기준

  • 비즈니스 요구 사항에 따라 전력 네트워크에 배포하기 위한 Deep Reinforced Learning 기능을 설계하고 개발했습니다.

  • 심층강화학습을 위한 환경을 설계하여 기존 Python 코드에 반영하였으며, TestCase로 기능을 먼저 검증하였다.

  • 재사용성,복잡도감소,다양성같은 객체지향 설계를 실무에 적용하여 개발과 유지보수 효율을 높였습니다.

  • 동료 코드 검토에 참여하고 동료 및 경험이 부족한 개발자에게 피드백을 제공했습니다.

  • 설계 결정이 문서화되었고 해당되는 경우 아키텍처 검토 회의가 열렸습니다.

미디움, 수석 풀스택 개발자 '17년 1월 – '19년 2월

  • 팀을 위한 종단 간 솔루션을 감독하고 구현합니다

  • 저는 복잡한 해결 트리를 사용하여 위험 분석가의 수동 검토가 필요한 수백 개의 일일 작업을 처리하는 대시보드를 설계하고 구현하는 데 기여했습니다

  • 이를 달성하기 위해 기술 설계, 자동화, 간소화된 프런트엔드 테스트, 구성 요소, 자동화 및 컨테이너 등을 워크플로에 통합했습니다. 백엔드 개발자 및 DevOps와 협력하여 API, 데이터베이스 스키마 및 클라우드 모범 사례를 설계하고 구현합니다

삼성메디슨 책임 개발자 '11년 9월~'16년 2월

  • Java, Python 또는 C++를 사용하는 의료 서비스 산업의 고객을 위한 웹 솔루션 개발 및 구현.

  • 원격진단을 위한 알고리즘 설계 및 개발로 정확도 90% 이상, 속도 30% 이상의 목표치를 달성해 업무 성과에 기여했다.

  • 프런트엔드 및 백엔드 개발, 종종 지속적인 통합 및 전달, 파이프라인 설정을 포함합니다.

LG전자 선임 SW 개발자 '07.09~'10.06

  • Java 또는 C++, C#,Linux 를 사용하여 전자 산업 고객을 위한 웹 솔루션을 개발하고 구현했습니다.

  • 사용자 관점의 기능 추가로 MAU 10% 증가

  • 애자일과 칸반 보드를 팀원들과 함께 적용해 개발 목표 70%보다 15% 이상을 같은 기간에 달성했다.

  • 특정 데이터를 로드하는 데 5초가 걸리던 것이 어떤 식으로든 0.5초로 줄었습니다.

교육

부산대학교 대학원 2007 - 컴퓨터비전

자격증

  • 석사 학위컴퓨터 비전

기술 스택: Java,Javascript,Python,Deep Learning,LMM,HTML5,CSS,React

                

강의 포트폴리오

1. XXICT 취창업 프로젝트 교육' 내 <프론트엔드 기초과정>

현장 담당자 XXX

행사명 XX ICT 취창업 프로젝트

대상 프론트엔드에 관심이 있는 취창업 준비생 약 60명(초중급)

형태 비대면

일정 10.16(월)~10/19(목),총4일

교육시간 : 10~18(점심1시간 제외), 일 7시간, 총 28시간

강의 내용 

프론트엔드 기초 이론강의

HTML,CSS,JS,React

데일리 미니실습과제 : github 주소

개발 포트폴리오

(고객사와의 NDA(비밀협약) 계약에 의거하여, 일부만 기재한 점 양해바랍니다)

1.공장 자동화 시스템 및 네이티브 앱 개발

프로젝트 개요:

  • 프로젝트명: 공장 자동화 시스템 및 네이티브 앱 개발

  • 개발 기간: 2021년 3월 - 2021년 7월

  • 역할: 시스템 및 앱 개발자

  • 기술: Java, PLC(Programmable Logic Controller), HMI(Human-Machine Interface), 데이터베이스(SQL), Android Studio, Swift

프로젝트 설명: 공장 자동화 시스템 및 네이티브 앱 개발 프로젝트는 공장의 생산 프로세스를 자동화하여 생산성과 효율성을 향상시키는 목적으로 진행되었습니다.

개발 방식:

  • PLC 기반 자동화 시스템 개발:

  • PLC와 HMI를 활용하여 공장 내의 자동화 장비와 제어 시스템을 개발하였습니다.

  • 생산 라인의 자동 제어와 장비 상태 모니터링을 위한 기능을 구현하였습니다.

  • HMI 인터페이스를 개발하여 사용자가 시스템을 모니터링하고 제어할 수 있도록 했습니다.

  • 데이터 수집 및 분석 기능 개발:

  • Java를 사용하여 생산 데이터 수집, 분석 및 관리 기능을 개발하였습니다.

  • 데이터베이스를 활용하여 생산 데이터를 저장하고 조회할 수 있는 기능을 구현했습니다.

  • 웹 보고서 및 네이티브 앱 개발:

  • Java와 데이터베이스를 연동하여 생산 데이터 기반의 보고서 생성 기능을 개발하였습니다.

  • 추가로 Android Studio와 Swift를 활용하여 네이티브 앱을 개발하였습니다.

  • 네이티브 앱을 통해 생산 상태의 실시간 모니터링과 원격 제어 기능을 제공하였습니다.

결과 및 성과:

  • 개발된 공장 자동화 시스템은 PLC와 HMI를 활용하여 생산 라인의 자동화와 모니터링을 성공적으로 구현하였습니다.

  • Java와 데이터베이스를 활용한 데이터 관리 및 분석 기능은 생산성 향상에 큰 도움을 주었습니다.

  • 네이티브 앱을 통해 생산 상태의 실시간 모니터링 및 원격 제어 기능을 제공하여 효율성을 극대화했습니다.

향후 발전 방향:

  • 머신러닝 및 인공지능 기술을 활용하여 시스템의 자동화 정도를 높이고 미래 예측 기능을 개선할 계획입니다.

  • 사용자 경험을 높이기 위해 네이티브 앱에 더 다양한 기능을 추가하고 사용자 피드백을 수용하여 개선합니다.

2. 농산물 분류 및 관리 서비스 개발

프로젝트 개요:

  • 프로젝트명: 농산물 분류 및 관리 서비스 개발

  • 개발 기간: 2020년 11월 - 2021년 1월

  • 역할: 서비스 개발자

  • 기술: Java, 이미지 처리 라이브러리, 머신 러닝, 웹 기술(HTML, CSS, JavaScript)

프로젝트 설명: 농산물 분류 및 관리 서비스 개발 프로젝트는 농산물의 분류, 품질 관리, 유통 과정의 투명성을 제공하는 서비스를 구축하는 것을 목표로 합니다.

개발 방식:

  • 농산물 이미지 분류 및 분석 기능 개발:

  • 이미지 처리 라이브러리와 머신 러닝 알고리즘을 활용하여 농산물 이미지를 분석하고 자동으로 분류하는 기능을 개발합니다.

  • 머신 러닝 모델을 훈련하여 다양한 종류의 농산물을 정확하게 구분하고 분류합니다.

  • 농산물 품질 데이터 관리 및 품질 지표 계산:

  • Java를 사용하여 농산물의 품질 데이터를 수집하고 데이터베이스에 저장합니다.

  • 품질 관리 지표를 계산하여 농산물의 품질 상태를 확인하고 품질 관리를 수행합니다.

  • 웹 인터페이스 및 추적 기능 개발:

  • 웹 기술을 활용하여 농산물의 품질 정보를 사용자에게 제공하는 웹 인터페이스를 개발합니다.

  • 고객들은 농산물의 품질 정보를 확인하고, 원산지 추적 등의 기능을 통해 농산물을 효과적으로 관리할 수 있습니다.

결과 및 성과:

  • 농산물 분류 및 관리 서비스는 머신 러닝과 이미지 처리를 활용하여 정확한 분류와 품질 관리를 제공하며, 농산물 유통 과정의 투명성을 증진시킵니다.

  • 웹 인터페이스를 통해 사용자들은 편리하게 농산물 정보를 접근하고 관리할 수 있습니다.

향후 발전 방향:

  • 실시간 데이터 수집 및 분석을 강화하여 농산물 품질 예측 및 개선을 위한 시스템 확장을 계획합니다.

  • 블록체인과 연동하여 농산물 유통 과정의 신뢰성과 투명성을 더욱 향상시킬 방안을 검토합니다.

3. 배터리 사이징 모델 및 강화 학습 개발

프로젝트 개요:

  • 프로젝트명: 배터리 사이징 모델 및 강화 학습 개발

  • 개발 기간: 2021년 12월 - 2022년 1월

  • 역할: 모델 개발자

  • 기술: Python, 강화 학습, 엑셀 데이터 통합, 웹 기반 시각화

프로젝트 설명: 배터리 사이징 모델 및 강화 학습 프로젝트는 시간에 따른 전력 흐름 패턴을 분석하여 배터리 에너지 저장 시스템 (BESS)의 최적용량을 결정하는 것을 목표로 합니다. 이 모델은 강화 학습 기법을 사용하여 각 타임스텝에서 BESS로부터 최적의 전력 흐름을 결정합니다.

개발 방식:

  • 강화 학습 모델 개발:

  • 각 타임스텝에서 BESS의 최적 전력 흐름을 학습하고 결정하는 강화 학습 모델을 개발합니다.

  • 모델의 목표는 변화하는 변수를 기반으로 BESS의 용량을 조절하고 전력 흐름을 최적화하여 경제적 이점을 극대화하는 것입니다.

  • 시간에 따른 변수 처리:

  • 시간에 따라 변화하는 변수는 timesteps t ∈ {1, 2, 3, ..., T}을 이용하여 나타냅니다.

  • 각 변수는 엑셀 시트의 행에 순서대로 입력되며, 각 행은 해당 타임스텝에 해당합니다.

  • 웹 기반 데이터 시각화:

  • 수집된 발전량, 소비량 및 전기 가격 데이터 등을 그래프와 테이블로 시각화하는 웹 기반 인터페이스를 개발합니다.

  • 사용자는 상호 작용적으로 데이터를 탐색하고 모델의 권장 사항을 다양한 시간 간격으로 확인할 수 있습니다.

결과 및 성과:

  • 개발된 배터리 사이징 모델은 변화하는 전력 흐름 패턴을 고려하여 최적 BESS 용량을 결정하는 데 성공했습니다.

  • 웹 기반 시각화를 통해 사용자는 모델의 결정 및 기반 데이터 동향을 직관적으로 이해할 수 있습니다.

향후 발전 방향:

  • 강화 학습 알고리즘의 연구 및 개선을 통해 배터리 사이징 모델의 정확성과 효율성을 향상시킬 계획입니다.

  • 실시간 데이터 피드 및 예측 분석을 통합하여 동적 에너지 시장 조건에 대응할 수 있는 모델의 적응성을 향상시킬 예정입니다

5
0
박동윤

박동윤

AI 기초 개념 직관적으로 이해하기

안녕하세요

유늬입니다.

 

오늘은 Ai 시대에,

머신러닝, 딥러닝, 생성형 AI, 자연어처리... AI 관련 용어들이 핫하지만, 어렵고 낯설게 느껴지시죠?   딱딱한 AI 개념을 재미있게 이해하고, 실제로 노코드 툴을 사용하여 실습하여 AI 감을 빠르게 잡아보는 재밌는 콘텐츠를 준비했습니다.

 

이 콘텐츠로, 다음과 같은 경험을 하시면 저도 기쁠 거 같아요~

"어려운 AI 개념을 재미있게 이해하고 실제로 구현해보는 경험이 신선했습니다."

"노코드 툴을 사용하여 간편하게 AI 서비스를 만들 수 있다는 사실에 놀랐습니다."

 

 

이런 분이 읽으시면 좋을 거 같아요

 

- AI PM/PO, 서비스 기획자

- AI 업계 진입 준비 중인 분 

- AI 기초 지식을 처음 배우는 분 

- AI 관련 용어를 이해하고 싶은 분 

- AI 원리와 개발 과정에 대한 전반적 이해가 필요한 분 

- 최신 기술을 활용하여 1인 비즈니스 시작하고 싶은 분 

- 노코드 자동화를 통해 비즈니스 구축하고 싶은 분 

- AI+노코드로 생산성, 수익화를 도모하고 싶은 분

 

 

자 그럼 시작해볼까요!

 

보통 많이 쓰는 AI 기초 개념은 다음과 같아요

 

AI 구현 프로세스: 아이디어 발굴부터 배포까지 단계별 이해 

- 머신러닝 종류: 지도 학습, 비지도 학습, 강화 학습의 원리와 활용 분야 

- 딥러닝과 인공 신경망: 뇌의 구조를 모방한 인공 신경망의 작동 방식 

- 인공 지능 분야별 기초 지식: 자연어처리, 컴퓨터 비전, 음성 인식, 추천 서비스, 예측 분석 등 

- 데이터 전처리와 EDA: 데이터 분석을 위한 필수 과정 익히기

 

 

복잡한 건 우선 아래부터 직관적으로 이해하시고,

AI에게 나중에 쫌 물어보세요.귀찮게 하세요. 틀린 걸 지적해서. 다시 조사 시키세요!

 

우리 생활속에 이미 AI를 만나고 같이 생활하고 있다!

인간의 뇌를 모방

계산기 vs 인식

알고리즘 vs. AI

예전부터 하던거. 좀 더 계산을 더 해서, 똑똑해거일뿐 겁먹을 필요는 없다!

하지만, 복잡한 추론, 감정인식 등은 아직 안됨. 하지만…

 

- AI 구현 프로세스: 아이디어 발굴부터 배포까지 단계별 이해 

AI(아기)에게 교육(학습)을 시켜서 성장시킨 뒤에 이 빨리 어른이 된 애를 활용해서 인간이 하는 일을 대신 한다!

 

 

AI 학습 체험으로 개념 이해

 

( AI 프로세서에서 지도학습까지 이해)

자 그러면 AI에게 학습시키는 실습을 해보자! 애 교육 시키는 거!

아래 사이트에서 클릭만으로 감잡으실 수 있어요~

https://code.org/oceans

 

 학습된 AI가 물체를 제대로 구분하는지 테스트

 

 

퀴즈

인간의 아기는 교육을 받아 성장하는데 초중고 대략 10년이상 걸린다.

AI라는 아기는 성장하는데 얼마의 시간이 필요할까요?

(정답은.. 콘텐츠 하단에 ㅎㅎ)

 

자 그러면 AI에서 중요한 학습에 대해서 알아볼까요

- 머신러닝 종류: 지도 학습, 비지도 학습, 강화 학습의 원리와 활용 분야

 

 

지도 비지도 차이는 정답이 정해진 거, 아닌 거!

 

지도학습은 문제(데이타)와 정답(레이블)을 모두 알려주고 공부시켜서 정답을 찾는 방법(모델)을 만드는 거, 고양이,강아지 등의 사진을 주고 이게 고양이다 강아지다 라고 일일이 교육시키면 인공지능 애기가 새로운 사진이 들어왔을 때 교육 받은 거 범위에서 강아지다 고양이다 분류하는 거 => 정답을 알때만, 방법을 찾아준다

비지도학습은 문제만 주어지면 임의의 정답을 찾기 위한 방법을 만드는 거

이전에 머신러닝으로 많이 했다. 알고리즘을 데이타 넣어주면 정답을 찾는데, 예를 들어 분류해주는 거. 결과를 우리가 예측할 수가 없다. 데이타만 넣어주고, 주는데로 먹어야함.

지도학습이랑 섞어서 쓰면 좋을 거 같아요. 처음에 데이타 주어졌는데, 이게 무슨 데이타고 어디에 쓸지 모르겠는데, 일단 비지도로 돌리면, 어느 정도 분류해주니(정답을 찾아주니), 쓰임새를 보고 데이타를 어떻게 다룰지 알 수가 있어요. ex. 분류 클래스를 몇개로 할건지 결정 => 정답을 몰라도, 방법을 찾아준다

https://ittrue.tistory.com/35

https://firework-ham.tistory.com/26

중요한 내용이라 한 번 더 반복할께요!

지도학습과 비지도학습의 핵심적인 차이는 

모델 학습에 사용되는 데이터에 라벨(정답)이 있는지 없는지입니다. 

 

  • 지도학습

  • 비지도학습

 

지도학습을 반복한다고 해서 비지도학습이 되는 것은 아닙니다. 지도학습은 정답을 알려주면서 학습하기 때문에, 모델은 스스로 판단하는 능력을 키우지 못합니다. 반면에 비지도학습은 정답 없이 데이터의 내재된 패턴을 스스로 찾아내기 때문에, 모델은 스스로 판단하는 능력을 키울 수 있습니다.

따라서, 지도학습과 비지도학습은 서로 다른 학습 방식이며, 지도학습을 반복한다고 해서 비지도학습이 되는 것은 아닙니다.

지도학습은 주입식! 데이타 범위에서는 편향성이 있으나, 정답만 잘 정해주면, 그 범위 안에서는 답을 일정하게 찾아준다. 비지도도 데이타 범위내에서 답을 찾아주나, 정확하게 찾아줄지 알 수 없다.그러나, 정답지(라벨링)를 일일이 지정할 필요가 없으니, 학습할 때 편하다

 

여기서 또,

질문, 왜 지도학습만 주로 쓸까요?

 

 

 

 

이건 알려줄께요. 흐름 안 끊기게요

 

정답: 사람이 인지하는 원리 똑같다.

이제 문제(데이타)랑 정답(결과)을 주어지면  학습해서 다음에 문제가 주어지면 정답을 푸는 건  알겠는데, 좀 더 구체적으로 인간의 뇌를 어떻게 인공지능이 모방해서 돌아가는지 볼까요?

- 인공 신경망과 딥러닝:     

1.뇌가 사고하는 것을 그대로 모방!                                         

2.지도 학습을 빠르게 하는 것 from GPU 발전(싸고 빨라졌다!)

 

 

AI 범주에서 딥러닝만 살아남았고, 제일 중요하다.

AI는 … 이거는 기억해두세요! …

 

이정도만 감 잡으셔도, 현업에서, 혹은 실제 Ai 서비스 만드실 때도

기획해서 노코드로 이것저것 툴로 붙여서 후다닥 만드실 수 있을 거예요

 

-도움이 되셨다면, 구독해주시면, 꾸준히 퀄리티있는 콘텐츠 올리겠습니다.

- 주로 AI,노코드로 업무생산성이나 서비스 만들기 주제 입니다.

 

 

누구나 쉽게 원클릭 플랫폼으로 교육, 마케팅, 협업, 제작에 참여하여 아이디어를 상품으로 만들 수 있습니다.

AI 오픈 메이킹 커뮤니티에도 참가해보세요!

 

 

아래와 같은 특강도 AI 개념 감 잡는데 도움이 되실 수 있어요.

이 강의 내용이 일부 이 콘텐츠에 소개되어있구요. 주로 3~5개정도 수강생들과 같이 만들어보는게 놀랍구요. 필요하신 분은 자기 서비스도 간단히 만들어 볼 수 있어요. 수강생들과 멘토님이 도와주시니 어렵지 않으실거예요.

강의를 성실히 들으신 분들은 지속적으로 교류하고 성장할 수 있는 멤버쉽 커뮤니티로 초대해드립니다. 관심있으신 분들은 꼭 들으세요~

 

 

👩‍💼재미있는 참여형 AI 실습 강의: 두 시간으로 AI 기초 개념 이해하고, 노코드로 구현해보세요!

머신러닝, 딥러닝, 생성형 AI, 자연어처리... AI 관련 용어들이 핫하지만, 어렵고 낯설게 느껴지시죠? 이 강의는 딱딱한 AI 개념을 재미있게 이해하고, 실제로 노코드 툴을 사용하여 간단한 AI 서비스를 구현해보는 참여형 강좌입니다.

"요즘 기획팀은 전략장표 찍으면서 MVP 만들어야 현장실무팀을 설득할 수 있기때문에 필수적으로 AI 개념 감잡고, 만들어봐야한다네요."

📍 일정: 아래 수강 신청하고 단톡방으로 초대후 정원 도달시 바로 원격강의

📍 강의 소개,목차,신청링크 :

6
1
박동윤

박동윤

AI 기초 개념 직관적으로 이해하기

안녕하세요

유늬입니다.

 

오늘은 Ai 시대에,

머신러닝, 딥러닝, 생성형 AI, 자연어처리... AI 관련 용어들이 핫하지만, 어렵고 낯설게 느껴지시죠?   딱딱한 AI 개념을 재미있게 이해하고, 실제로 노코드 툴을 사용하여 실습하여 AI 감을 빠르게 잡아보는 재밌는 콘텐츠를 준비했습니다.

 

이 콘텐츠로, 다음과 같은 경험을 하시면 저도 기쁠 거 같아요~

"어려운 AI 개념을 재미있게 이해하고 실제로 구현해보는 경험이 신선했습니다."

"노코드 툴을 사용하여 간편하게 AI 서비스를 만들 수 있다는 사실에 놀랐습니다."

 

 

이런 분이 읽으시면 좋을 거 같아요

 

- AI PM/PO, 서비스 기획자

- AI 업계 진입 준비 중인 분 

- AI 기초 지식을 처음 배우는 분 

- AI 관련 용어를 이해하고 싶은 분 

- AI 원리와 개발 과정에 대한 전반적 이해가 필요한 분 

- 최신 기술을 활용하여 1인 비즈니스 시작하고 싶은 분 

- 노코드 자동화를 통해 비즈니스 구축하고 싶은 분 

- AI+노코드로 생산성, 수익화를 도모하고 싶은 분

 

 

자 그럼 시작해볼까요!

 

보통 많이 쓰는 AI 기초 개념은 다음과 같아요

 

AI 구현 프로세스: 아이디어 발굴부터 배포까지 단계별 이해 

- 머신러닝 종류: 지도 학습, 비지도 학습, 강화 학습의 원리와 활용 분야 

- 딥러닝과 인공 신경망: 뇌의 구조를 모방한 인공 신경망의 작동 방식 

- 인공 지능 분야별 기초 지식: 자연어처리, 컴퓨터 비전, 음성 인식, 추천 서비스, 예측 분석 등 

- 데이터 전처리와 EDA: 데이터 분석을 위한 필수 과정 익히기

 

 

복잡한 건 우선 아래부터 직관적으로 이해하시고,

AI에게 나중에 쫌 물어보세요.귀찮게 하세요. 틀린 걸 지적해서. 다시 조사 시키세요!

image.png

 

우리 생활속에 이미 AI를 만나고 같이 생활하고 있다!

인간의 뇌를 모방

계산기 vs 인식

알고리즘 vs. AI

예전부터 하던거. 좀 더 계산을 더 해서, 똑똑해거일뿐 겁먹을 필요는 없다!

하지만, 복잡한 추론, 감정인식 등은 아직 안됨. 하지만…

 

- AI 구현 프로세스: 아이디어 발굴부터 배포까지 단계별 이해 

AI(아기)에게 교육(학습)을 시켜서 성장시킨 뒤에 이 빨리 어른이 된 애를 활용해서 인간이 하는 일을 대신 한다!

 

 

AI 학습 체험으로 개념 이해

 

( AI 프로세서에서 지도학습까지 이해)

자 그러면 AI에게 학습시키는 실습을 해보자! 애 교육 시키는 거!

아래 사이트에서 클릭만으로 감잡으실 수 있어요~

https://code.org/oceans

 

 

 

 

퀴즈

인간의 아기는 교육을 받아 성장하는데 초중고 대략 10년이상 걸린다.

AI라는 아기는 성장하는데 얼마의 시간이 필요할까요?

(정답은.. 콘텐츠 하단에 ㅎㅎ)

 

자 그러면 AI에서 중요한 학습에 대해서 알아볼까요

- 머신러닝 종류: 지도 학습, 비지도 학습, 강화 학습의 원리와 활용 분야

 

 

지도 비지도 차이는 정답이 정해진 거, 아닌 거!

 

지도학습은 문제(데이타)와 정답(레이블)을 모두 알려주고 공부시켜서 정답을 찾는 방법(모델)을 만드는 거, 고양이,강아지 등의 사진을 주고 이게 고양이다 강아지다 라고 일일이 교육시키면 인공지능 애기가 새로운 사진이 들어왔을 때 교육 받은 거 범위에서 강아지다 고양이다 분류하는 거 => 정답을 알때만, 방법을 찾아준다

비지도학습은 문제만 주어지면 임의의 정답을 찾기 위한 방법을 만드는 거

이전에 머신러닝으로 많이 했다. 알고리즘을 데이타 넣어주면 정답을 찾는데, 예를 들어 분류해주는 거. 결과를 우리가 예측할 수가 없다. 데이타만 넣어주고, 주는데로 먹어야함.

지도학습이랑 섞어서 쓰면 좋을 거 같아요. 처음에 데이타 주어졌는데, 이게 무슨 데이타고 어디에 쓸지 모르겠는데, 일단 비지도로 돌리면, 어느 정도 분류해주니(정답을 찾아주니), 쓰임새를 보고 데이타를 어떻게 다룰지 알 수가 있어요. ex. 분류 클래스를 몇개로 할건지 결정 => 정답을 몰라도, 방법을 찾아준다

https://ittrue.tistory.com/35

https://firework-ham.tistory.com/26

중요한 내용이라 한 번 더 반복할께요!

지도학습과 비지도학습의 핵심적인 차이는 

모델 학습에 사용되는 데이터에 라벨(정답)이 있는지 없는지입니다. 

 

  • 지도학습

  • 비지도학습

 

지도학습을 반복한다고 해서 비지도학습이 되는 것은 아닙니다. 지도학습은 정답을 알려주면서 학습하기 때문에, 모델은 스스로 판단하는 능력을 키우지 못합니다. 반면에 비지도학습은 정답 없이 데이터의 내재된 패턴을 스스로 찾아내기 때문에, 모델은 스스로 판단하는 능력을 키울 수 있습니다.

따라서, 지도학습과 비지도학습은 서로 다른 학습 방식이며, 지도학습을 반복한다고 해서 비지도학습이 되는 것은 아닙니다.

지도학습은 주입식! 데이타 범위에서는 편향성이 있으나, 정답만 잘 정해주면, 그 범위 안에서는 답을 일정하게 찾아준다. 비지도도 데이타 범위내에서 답을 찾아주나, 정확하게 찾아줄지 알 수 없다.그러나, 정답지(라벨링)를 일일이 지정할 필요가 없으니, 학습할 때 편하다

 

여기서 또,

질문, 왜 지도학습만 주로 쓸까요?

 

 

 

 

이건 알려줄께요. 흐름 안 끊기게요

 

정답: 사람이 인지하는 원리 똑같다.

이제 문제(데이타)랑 정답(결과)을 주어지면  학습해서 다음에 문제가 주어지면 정답을 푸는 건  알겠는데, 좀 더 구체적으로 인간의 뇌를 어떻게 인공지능이 모방해서 돌아가는지 볼까요?

- 인공 신경망과 딥러닝:     

1.뇌가 사고하는 것을 그대로 모방!                                         

2.지도 학습을 빠르게 하는 것 from GPU 발전(싸고 빨라졌다!)

 

 

AI 범주에서 딥러닝만 살아남았고, 제일 중요하다.

AI는 … 이거는 기억해두세요! …

 

이정도만 감 잡으셔도, 현업에서, 혹은 실제 Ai 서비스 만드실 때도

기획해서 노코드로 이것저것 툴로 붙여서 후다닥 만드실 수 있을 거예요

 

-도움이 되셨다면, 구독해주시면, 꾸준히 퀄리티있는 콘텐츠 올리겠습니다.

- 주로 AI,노코드로 업무생산성이나 서비스 만들기 주제 입니다.

누구나 쉽게 원클릭 플랫폼으로 교육, 마케팅, 협업, 제작에 참여하여 아이디어를 상품으로 만들 수 있습니다.

AI 오픈 메이킹 커뮤니티에도 참가해보세요

 

아래와 같은 특강도 AI 개념 감 잡는데 도움이 되실 수 있어요.

이 강의 내용이 일부 이 콘텐츠에 소개되어있구요. 주로 3~5개정도 수강생들과 같이 만들어보는게 놀랍구요. 필요하신 분은 자기 서비스도 간단히 만들어 볼 수 있어요. 수강생들과 멘토님이 도와주시니 어렵지 않으실거예요.

강의를 성실히 들으신 분들은 지속적으로 교류하고 성장할 수 있는 멤버쉽 커뮤니티로 초대해드립니다. 관심있으신 분들은 꼭 들으세요~

 

 

👩‍💼재미있는 참여형 AI 실습 강의: 두 시간으로 AI 기초 개념 이해하고, 노코드로 구현해보세요!

머신러닝, 딥러닝, 생성형 AI, 자연어처리... AI 관련 용어들이 핫하지만, 어렵고 낯설게 느껴지시죠? 이 강의는 딱딱한 AI 개념을 재미있게 이해하고, 실제로 노코드 툴을 사용하여 간단한 AI 서비스를 구현해보는 참여형 강좌입니다.

"요즘 기획팀은 전략장표 찍으면서 MVP 만들어야 현장실무팀을 설득할 수 있기때문에 필수적으로 AI 개념 감잡고, 만들어봐야한다네요."

📍 일정: 아래 수강 신청하고 단톡방으로 초대후 정원 도달시 바로 원격강의

📍 강의 소개,목차,신청링크 :

6
1