[AI] AI의 기초와 기계 학습: 워크로드, 원칙 [Microsoft Azure]

AI: 인간 모방 소프트웨어

 

일반적인 인공지능 워크로드
Machine Learning	데이터 및 통계를 기반으로 한 예측 모델 - AI의 기초
이상 감지	비정상적인 패턴이나 이벤트를 감지하여 선제적 조치를 가능하게 하는 시스템
Computer Vision	카메라, 이미지 또는 비디오의 시각적 입력을 해석하는 애플리케이션
자연어 처리	서면 또는 음성 언어를 해석하고 사용자와 대화에 참여할 수 있는 애플리케이션
정보 마이닝	데이터 원본에서 정보를 추출하여 검색 가능한 지식 저장소 만들기

 

원칙	해결 과제 또는 위험	예제
공정성 $($fairness$)$	바이어스는 결과에 영향을 줄 수 있습니다.	학습된 데이터의 바이어스로 인한 성차별
신뢰성 및 안정성 $($Reliability and safety$)$	오류로 인해 해로울 수 있습니다.	시스템 오류 발생 > 서비스 문제
프라이버시 및 보안 $($Privacy and secret$)$	데이터가 노출될 수 있습니다.	중요한 개인 데이터의 안전하지 않은 저장
포용성 $($Inclusiveness$)$	해결 방법이 모든 사용자에게 작동하지 않을 수 있습니다.	시각 장애을 위한 오디오 출력 미제공
투명도 $($Transparency$)$	사용자는 복잡한 시스템을 신뢰해야 합니다.	AI 기반 도구의  권장 지침 > 이러한 권장 사항의 기준?
책임 $($Accountability$)$	AI 기반 결정은 누구의 책임인가요?	AI로 인한 과실 >책임?

 

 

Microsoft Azure 인공지능

Azure 기본: 스케일링 가능하고 신뢰할 수 있는 클라우드 플랫폼
    데이터 클라우드 플랫폼
    Compute
    서비스

Microsoft Azure의 AI 서비스

Azure 기계 학습	기계 학습 모델의 학습, 배포 및 관리를 위한 플랫폼
Azure AI services$($Cognitive Service$)$	비전, 음성, 언어, 결정과 같은 4가지 주요 요소가 있는 서비스 모음
Azure Bot Service	대화형 봇 개발 및 관리를 위한 클라우드 기반 플랫폼
Azure Cognitive Search	지능형 검색 및 지식 마이닝을 위한 데이터 추출, 보강, 인덱싱

 

Cognitive Service

Azure 구독 내의 AI 애플리케이션 리소스입니다.

• 특정 서비스용 독립 실행형 리소스
• 여러 서비스용 일반 Cognitive Services 리소스 

다음을 통해 애플리케이션에서 소비합니다.

• REST 엔드포인트$($https://주소$)$
• 인증 키 또는 권한 부여 토큰

 

기계 학습: 데이터에서 관계를 찾아 예측 모델 만들기

 

기계학습 유형
Machine Learning 

• supervised ML - Regression / Classification
• unsupervised ML- Clustering

회귀: 레이블은 숫자 값입니다. $($일, 계절, 날씨에 따라 자전거 대여 수를 예측합니다.$)$
분류: 레이블은 분류$($또는 클래스$)$입니다. $($환자가 임상 측정값에 따라 당뇨병에 대한 위험에 처해 있는지 여부를 예측합니다.$)$
클러스터링: 우사한 항목이 함께 그룹화됩니다. $($배기가스 배출과 연비 특성이 유사한 차량은 클러스터로 구분됩니다.$)$

 

모델 학습 및 유효성 검사

1. 데이터를 학습 집합 및 유효성 검사 집합으로 분할
2. 모델에 학습 데이터에 맞게 알고리즘 적용
3. 학습된 모델은 데이터에의 관계를 캡슐화합니다.
4. 모델을 사용하여 유효성 검사 데이터에서 예측 생성
5. 평가 메트릭을 사용하여 예측 레이블과 실제 레이블 비교
6. 반복

Azure 기계 학습이란?

기계 학습 클라우드 기반 플랫폼
Azure 구독 -  Azure ML 작업 영역 - Compute, 작업, 데이터, 모델, services
자동화된$($automated$)$ 기계 학습
데이터와 원하는 감독되는 모델 유형을 제공하고 Azure 기계 학습에서 최상의 모델을 찾도록 합니다.