노코드 인공지능 강의 (2)

인공지능

 학습시키기 위한 하드웨어 (GPU -  엔비디아, 쿨링 시스템), 데이터를 관리하기 위한 소프트웨어

모라벨의 역설 : 어려운 것은 쉽고 쉬운 것은 어렵다

인간에게 쉬운 것 (추상적인 기준에서 구별) ↔ 인공지능에게 쉬운 것 (정확한 근거를 가지고 빠른 연산 / 구별)

Teachable Machine

https://teachablemachine.withgoogle.com/

Teachable Machine

간단한 사이드 프로젝트를 진행할 떄 웹캠을 활용해서 데이터를 수집할 수 있음 

 

 

에코프 : 학습하는 횟수. 기본 설정은 50이라면, 50번을 학습하는 것.

배치 크기 : 1회 학습할  때 사용하는 데이터 수. 이미지가 80개 있고, 배치 크기가 16이면 이미지를 5개로 나누어 학습

 

학습 시 주의할 점 : 학습할 데이터 외의 다른 데이터가 함께 학습되면 헷갈려할 수 있음. 명확한 데이터 분류가 중요함. 

 

이미지 분류 실습 : 근데 이제 Teachable Machine을 사용한 ... 

근데 이제 웹캠이 안켜지는 ... 어쩌고 .. 아놔

각 클래스별로 웹캠을 사용해서 사물의 데이터를 수집하고, 학습시켜 출력 결과를 확인.

 

포즈 프로젝트

사람을 우선 분류해내고, 각 부분이 사람의 어느 부분인지 눈 귀 팔 등의 관절점을 분류.
각 관절점을 잇도록 내부적으로 하드코딩 되어있음. == 좌표 

 

AI 허브 : 라벨링 된 데이터 올려두는 곳. // 코코데이터. 

사전학습된 데이터 // pretrained data

얼굴 검출 분류기 

이미지 처리, 컴퓨터로 해결하는 데이터 처리 ...  ==  컴퓨터 비전

우리가 하는 학습의 개념 == 확률.
휴대폰일 확률 / 리모컨일 확률로 학습시켜서, 학습된 모델을 가지고 휴대폰일 확률을 퍼센트로 예측.

 

모델 내보내기

 

업로드 (공유 가능한 링크 클릭)

 

VSCODE 설치

LIVE Server install

배경화면 >  HTMLCSS 폴더 생성 > index.html 생성

아까 내보냈던 모델의 업로드 (공유가능한 링크) 만들어짐.

 

URL이 변경되었음을 확인.

 

해당 코드 복사하여 vscode에 붙여넣기.

 

노션의 자바 스크립트 코드 :

probability 확률에 대한 정보를 가져와서 0 or 1일때마다 이동할 수 있도록 추가. 
line 27 // const URL을 수정. 
png 파일 추가.

말 ... 이 생김.

 

이 페이지를 배포하려면 깃허브 사용

repository에서 name 설정하고, Public 상태로 Create Repository.

creating a new file 클릭

index.html 복붙, main 이름 설정 후 commit changes

이상 없으므로 바로 commit changes

아까 이미지 파일도 업로드

여기까지 하면 개인 페이지인 깃허브에 업로드는 완료. 

 

배포하려면 Settings > pages

Branch의 main, root로 설정해두고 Save

save가 완료되면 확인할 수 있는 링크가 생성된다.

 

실습 끝.