노코드 인공지능 강의

인공지능

컴퓨터를 학습을 통해 사람의 능력을 구현하는 분야.
point == 학습 // 단순히 경우의 수를 구현하거나 통계적인 학문 분야.

지금의 인공지능은 컴퓨터를 learning이라는 분야가 포함됨.
컴퓨터를 학습한다 == 모델링한다.

학습되어 있는 컴퓨터의 모델명, ex. 알파고

 

앨런 튜링

기계가 인간과 같은 사고를 할 수 있는가에 대한 의문 제시, 연구 진행
=> 성능 부족

따라서 인공지능의 발전에는 컴퓨팅 속도와 초고속 인터넷의 발전 역시 필요함.
+ 학습 데이터

 

튜링 테스트

기계가 인간과 얼마나 유사한가에 대한 테스트.

 

캡챠

튜링테스트를 활용한 프로그램.
완전 자동 sys.

 

모라벡의 역설

어려운 것은 쉽고 쉬운 것은 어렵다.

DNN Fuzzt GA SVM
텐서플로 RNs 딥페이크 cycleGAN BERT GPT2

 

산업혁명 == 산업혁명에 의한 일자리 생성

(이전과는 다른 생활을 하게 만드는 기술의 등장)

1차 증기기관 : 대량생산과 기계
2차 전기 : 더 많은 대량생산과 공장

------------------------------------ 사람을 대체하게 되었음.

3차 컴퓨터 : 정보화 혁명, 인공지능 위의 일자리 (AAPI), 공급 주도의 연결형 서비스업
4차 AI, IoT, BigData : 인공지능 아래의 일자리 (BAPI), 수요 중심의 서비스업

 

인공지능 예시

자율주행자동차, FACE ID, YOUTUBE 영상 추천, 음성인식, AI 프로필(스노우), 네이버쇼핑

 

인공지능 분야 사례

- 영상의료 / 병리 데이터의 분석 및 판독 : 영상의학과 전문의 
- 신제품 마케팅 : 인공지능 트렌드 분석 시스템 엘시아 (LCIA)
                            소비자 트랜드 키워드를 도출해 주요 타겟(소비자)를 선정하여 출시하기도 함. 
- 예술 인공지능 : 구글 딥드림, 인공지능 '오비어스'의 작품 에드몽 드 벨라미.
인공지능의 작품은 예술인가, 기술인가.
- 로봇 인공지능: 휴머노이드, 불쾌한 골짜기 ( 사람과 유사해지면 거부감을 느끼는 현상 ex. 의수, 좀비, 리얼돌 등 )

 

인공지능 안전 연구소 ;

해당하는 기술을 안전/윤리와 관련하여 기술들을 테스트하고 배포 연구. 기업에 윤리가 적용되어 있는지 확인하는 것. 

---

노코드란?

코드가 없다. 플랫폼 없이 만들어내는 것

로우 코드

코드를 상대적으로 덜 사용하는 것

 

노코드가 중요한 이유?

<소프트웨어 인력 수요 / 공급 현황>
소프트웨어 인력 총 수요 353,000명
공급 후 부족인력 29,000명 + a
노코드의 중요성이 올라감

현재는 인터넷 상, 오프라인 상 수업 듣는 사람들 많고
능력있는 개발자를 선호하기 때문에 지금은 실력을 보고 있는 상황.
== 코딩 테스트

no, low 코드 플랫폼 시장 규모는 2025년도 445억 달러. 

 

노코드 플랫폼

Microsoft - PowerApps : 로우코드 개발 플랫폼. ( Electrolock 재고관리, VItas 헬스케어, Cumbria 경찰서 ) 
Naver - Clova : 인공지능 플랫폼 ( HyperCLOVA X - 한국어에서는 chatgpt보다는 더 조음 )
아무말 요약기( 긴 글을 한 줄로 줄여줌 ) , 감성 카피라이터( 광고 카피나 상세 설명을 작성 ), 보고서 작성기 ( 이메일, 리포트 자료 작성 ), 감정 분석기( 댓글이나 리뷰에서 감정을 파악 - 마케팅에서 활용 가능 )

결정할 사항이 많을 때, 결정을 하기 위해 고려해야할 사항이 많을 때 == 머신러닝 사용. 기계에게 결정을 맡김

 

데이터 분석 순서

4 문제점 파악 및 목표 설정 = 목표설정
5 데이터 모으기 = 데이터 수집
1 데이터 문제 없는지 확인하기 = 데이터 전처리
6 가치 있는 정보 발견하기 = 탐색적 데이터 분석 (EDA) // 데이터의 특징 확인
2 가설을 설정하고 검증해보기 = 예측
3 분석 결과 적용하기 = 적용

머신러닝 모델 

: 한 쪽에 대해서만 학습하면 다른 것에 대해서는 맞추지 못하는 고런~~ 문제 발생

teachable machine

이미지 / 사운드 / 자세를 학습시킬 수 있음

 

Segmentation

이미지 학습 == 그 이미지를 컴퓨터가 이해할 수 있도록 처리하는 것

이 시각적인 이미지 정보를 숫자 정보로 바꿔야 ... 
색깔로 처리하는 게 아니라 숫자로 표시하는 것

---

실습

google의 teachable machine 사용해서 이미지를 학습

https://teachablemachine.withgoogle.com/train

이미지 프로젝트 선택

 

수집된 데이터를 학습

수집한 데이터를 모델에게 학습시키기

잘 학습된 것을 볼 수 있다.