인공지능설계 - 인공지능 6단계 학습 및 예제 실습

이 자료는 한국인공지능협회에서 진행한 2021년 사업주 직업능력 개발훈련으로 BASIC AI(32시간)-박성주 강사의 온라인 교육내용을 참고한 것입니다. 

 

1. 문제정의
   1. 인공지능으로 학습시킬 과제를 정의하고 문제를 학습한다.
   2. 동일패턴을 확인하고 분류하여 구분한다.
   3. 문제의 해결방법을 정의하고 결과를 확정한다
2. 문제해결
   1. 현재상태에서 결과물의 도출까지의 과정을 분석한다.
   2. 인공지능의 문제해결의 범주를 확정한다.
   3. 문제해결을 위하여 하드웨어의 제어범위를 확정한다.
3. 논리적추론
   1. 인간적인 논리를 추론하여 인공지능에 적용한다.
   2. 특정규칙, 문법, 동일동작 등을 분류하여 적용한다.
   3. 명제, 언어, 지식, 술어, 규칙 등의 표현정보를 디지털화한다.
4. 기계학습
   1. 인공지능이 학습할 수 있는 패턴, 이미지 등 확정한다.
   2. 분류, 예측, 군집모델 별로 모델을 분류한다.
   3. 이미지, 영상, 음성 등 데이터를 생성하고 가공한다.
5. 인식
   1. 기계학습된 프로그램을 확인하여 인식여부를 확인한다.
   2. 학습정보가 정확하게 일치하는지 확인하고 확정한다.
   3. 오류가 있을 경우 수정 보완한다.
6. 실행
   1. 결과물을 외부출력(Exprot)를 통하여 p5.js로 보낸다.
   2. Sketch를 통하여 데이터를 입력하고 연동한다.
   3. 동작상태를 실행하고 테스트한다. 

 

 

 

[예제활용]

STEP 1. 데이터 분류

# 동물 선정(총 10종류) - 반드시 영어로 폴더 구분

• 001_penguin     펭귄      
• 002_dog          강아지      
• 003_hippo          하마      
• 004_walrus        바다코끼리      
• 005_cat               고양이      
• 006_elephant    코끼리      
• 007_fox               여우      
• 008_wolf             늑대      
• 009_rabbit          토끼      
• 010_bear             곰

동물 하나 당 최소 10개이상 사진 필요, 데이터가 많을 수록 정확한 결과 도출 / JPG 파일 다운

 

STEP 2. 데이터 수집

# 학습을 위한 데이터셋(dataset) 생성

각 class에 맞게 폴더 생성

 

# 크롤링(crawling) 이용하여 데이터 수집하기

[참고] 크롤링(Crawling) (tistory.com)

크롤링(Crawling)

위의 크롤링을 참고하고, (p37) C:\web_crawling> 이동

위의 지정된 클래스대로 차례대로 검색

이렇게 총 10종류의 동물들을 크롤링하여 수집한다. 

상대적으로 적은 데이터가 학습이 덜 되기 때문에 각 클래스당 데이터의 개수를 통일시키는 것이 좋다. 

그래서 한 클래스당 50개의 사진 파일로 통일

<인공지능을 공부하고 싶은데 참고하는 사이트>

Kaggle.com

 

STEP 3. 데이터 학습

# 티처블머신 학습하기  

클래스 10개씩 만들어서 각각 클래스당 해당하는 이미지를 넣어준다

 

# 데이터 검증

학습시키지 않은 호랑이 -> 코끼리로 나옴

 

 

STEP 4. 학습 결과 파일 확인

converted_keras 폴더를 animal_dataset 폴더에 넣어둔다