본문 바로가기

생활의 정보화/인공지능( AI : Artificial Intelligence)

데이터 라벨러가 됩시다. 3. 데이터 라벨러가 하는 일은 그리고 얼마나 벌 수 있나요? 가. 어떤 일을 하는가? 라벨러가 하는 일은 앞에서도 언급했듯이 AI가 학습할 수 있는 자료를 수집하거나 정제하는 작업입니다. 실제 작업은 AI 이론에서 배운 것과는 크게 연관성은 없어 보이는 자료 수집과 정제 작업이 있는데, 자료 수집은 물체의 사진을 찍어서 제출하기, 대화문을 녹음해서 제출하기, 대화문 만들기 등등과 같이 AI가 인식할 수 있는 모든 무형, 유형의 객체에 대한 영상, 사진, 글, 소리 등입니다. 정제 작업은 주어진 자료(그림, 영상, 소리, 글 등)에 라벨을 다는 것 즉 문자 그림을 주고 한글로 이름을 달아주는 작업(태깅), 소리를 듣고 한글을 달아주는 작업, 운동의 궤적을 추적하기 위한 관절 마디 점찍기, 물체의 외부에 .. 더보기
데이터 라벨러가 됩시다. 2. 정부에서도 육성하는 직업 데이터 라벨러의 작업이 인공지능 발달 및 연구에 큰 역할을 하기 때문에 정부에서도 데이터 라벨러들을 지원하는 사업을 대대적으로 진행하고 있다. 대표적인 것이 바로 한국정보화진흥원에서 운영하는AI허브이다. 한국이 인공지능 개발 분야의 선두주자로 발돋움하기 위해 정부는 2022년까지 3년간 1조 4천억원의 국고를 투입하였다. 이 어마어마한 금액이 거의 대부분 데이터 라벨러의 작업비용으로 쓰였다. 데이터 라벨러들의 작업이 곧 인공지능 개발의 핵심자료이기 때문이다. 정부는 직접적인 국고 투자를 통해 데이터 라벨러 일자리를 창출하고 인공지능 개발에도 박차를 가하겠다는 전략이다. 데이터 라벨러들은 단순한 작업을 통해 다양한 데이터 셋을 제작함으로서 인공지능 개발에 기여하게 된다. 정부.. 더보기
데이터 라벨러가 됩시다. 1. 데이터 라벨러는 무슨 직업? 데이터 라벨러라는 직업에 대하여 들어보셨나요? 데이터 라벨러에 대하여 이야기하기 전에 인공지능(AI)에 대한 개념을 먼저 알아야한다. 위키백과에서 말하는 인공지능(AI)에 대한 개념은 다음과 같다. 인공지능(人工智能) 또는 AI(Artificial Intelligence)는 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하려는 컴퓨터 과학의 세부분야 중 하나이다. 정보공학 분야에 있어 하나의 인프라 기술이기도 하다. 인간을 포함한 동물이 갖고 있는 지능 즉, Natural Intelligence와는 다른 개념이다. 지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템이며, 인간의 지능을 기계 등에 인공적으로 시연(구현)한 것이다. 일반적으로 범용 컴퓨터에 적용한다고 가정한.. 더보기
인공지능과 빅데이터(AIDE 2급 자격시험 대비 요점정리) 인공지능과 빅데이터 인공지능 빅데이터 활용 가. 빅데이터 : 대량의 정형(수치화 가능), 비정형(영상, 사진, 음성 등)데이터로부터 가치를 추출하는 기술 1) 대량의 모든 데이터 : 컴퓨터, 인터넷 등 디지털 환경에서 발생하는 데이터 2) 데이터 가치와 결과 분석 기술 3) 빅데이터 플랫폼 등장 : 데이터 관리 하드 및 소프트웨어, 어플이 등장 4) 대규모 데이터 관리기술이 등장 : 저장, 관리, 분석하는 하드, 소프트웨어, 유통, 활용 기술 - 최근 인터넷과 모바일의 출현으로 빅데이터 시대 개막 2. 빅데이터 특징 가. 특징 : 규모(Volume), 속도(Velocity), 다양성(Variety) 1) 초기 빅데이터(3V 빅데이터) : 규모(Volume), 속도(Velocity), 다양성(Variety.. 더보기
인공지능 알고리즘(AIDE 2급 자격시험 대비 요점정리) 인공지능 알고리즘 딥러닝의 표현방식 가. 딥러닝 : 기계가 자동으로 대규모 데이터에서 패턴과 규칙을 학습하는 것, 다층 인공 신경망(ANN)을 사용하며 머신러닝 학습을 수행하는 것 → 의사결정, 예측 2. 딥러닝의 구조 1) 인공신경망과 딥러닝의 차이점 : 은닉층의 구조가 다름(딥러닝은 하나 이상의 은닉층) ANN(Artificial Neural Network) : 여러층을 가진 인공신경망 2) ANN의 층 : 입력층, 은닉층, 출력층 3. 딥러닝의 동작원리 1) 학습 데이터 입력 : 인공지능 라이브러리인 텐서플로에서 제공되며 약 7만개의 데이터로 훈련(train) : 평가(test) 에 8:2로 나누어 사용 2) 훈련(train) : 반복해서 시행하여 오류 제거(에포크 epochs : 학습셑의 반복회수.. 더보기
인공지능의 방법론(AIDE 2급 자격시험 요점 정리) 인공지능의 방법론 1. 인공지능 : 퍼셉트론 + 머신러닝 알고리즘 퍼셉트론 : 프랭크 모젠블라트, 뇌의 뉴런구조를 컴퓨터로 그대로 구현한 초기 알고리즘으로 딥러닝(신경망)의 기원 2. 인공신경망(신경망) : 퍼셉트론이 모여서 만들어진 것 가. 신경망의 구조 : 입력층(input layer), 은닉층(hidden layer), 출력층(output layer) - 입력층(input layer) : 학습할 데이터 입력 - 은닉층(hidden layer) : 여러 단계로 데이터 처리 - 출력층(output layer) : 결과물 출력 나. 인공지능의 방법 : 인공지능, 머신러닝(스스로 학습), 딥러닝(인공신경망) 인공지능 : 인간의 지적능력을 컴퓨터로 구현한 것 머신러닝 : 스스로 학습하여 인공지능을 향상시키는.. 더보기
4차 산업과 인공지능(AIDE 2급 자격시험 요점 정리) 1. 4차산업의 발전단계 가. 2차 산업혁명(-20세기) : 전기에너지, 대량생산 나. 3차 산업혁명(20세기 후반) : 컴퓨터, 인터넷, 지식정보 혁명 다. 4차 산업혁명(21세기 초반 -) : 인공지능, 빅데이터, 사물인터넷(IoT), 3D프린팅, 로봇, 공유경제, 드론 - 사물인터넸(IoT) : internet of things, 사물이 무선통신으로 연결되는 기술 2. 인공지능 서비스 개요 가. 데이터 획득 → 데이터 가공(전처리) → 모델 생성 → 실시간 서비스(API 개발) 1) 데이터 획득 : 사물인터넷, 모바일, M2M 등으로 자동 데이터 수집 2) 데이터가공(전처리) : 데이터 라벨링(구분, 선별, 포맷 변경, 결합, 자르기) 인간 이해 데이터를 인공지능이 학습 가능한 데이터로 만드는 것이.. 더보기

티스토리툴바