안녕하세요? 로봇 & 코딩교육No.1 크리에이터 태지쌤이에요. 생성형AI의 한계는 어디까지일까요?저는 요즘 블로그 작성할 때생성형AI를 많이 활용하고 있어요.특히 구글의 제미나이 gemini가개인적으로 문장이 깔끔하고가독성이 좋아서 선호하는 편이에요.    위와 같이 구글의 제미나이 gemini에게'IT전문 블로거'라고 역할을 부여하고작성할 블로그 주제를 제시합니다.그러면 정말 멋지게 글을 작성해줘요.   하지만 한가지 부족한 부분이 있죠.오로지 텍스트로만 되어있어요.특히 블로그에서 빠질 수 없는독자의 눈길을 끄는 썸네일이 없어서 아쉽죠.구글의 제미나이 gemini로블로그 썸네일을 만들어볼까요?   이 언어로 지원되는 Gemini 이미지 생성 기능을개선하기 위해 노력 중입니다.이 기능은 곧 준비되며 사용..

다항 회귀와 다중 회귀는 모두 회귀 분석의 일종이지만, 다루는 변수와 형태가 다릅니다. 쉽게 이해할 수 있도록 비교해 설명해드릴게요.​ ​다항 회귀 (Polynomial Regression)- **정의**: 다항 회귀는 독립 변수가 하나이지만, 그 독립 변수의 n차 항들을 포함하는 회귀 분석입니다.- **목적**: 데이터와 더 잘 맞는 곡선(비선형 관계)을 찾기 위해 사용됩니다.- **수식 예시**: \( y = \beta_0 + \beta_1 x + \beta_2 x^2 + \beta_3 x^3 + ... + \beta_n x^n \)- **사용 예시**: 독립 변수 \( x \)가 한 개인 경우, 예를 들어 시간에 따른 온도 변화 추세를 분석할 때 사용됩니다.​다중 회귀 (Multiple Regres..

안녕하세요? 로봇 & 코딩교육 No.1 크리에이터 태지쌤이에요. 오늘은 네오피아의 아이온을 플랫코를 이용해서 영상/얼굴/카메라 인식 기능을 활용한 인공지능교육 콘텐츠를 활용해볼게요. ​ 이게 없어도 되지만 있으면 완전 좋은 꿀 아이템이에요. 스마트폰 카메라 90도 렌즈 잠망경 굴절 렌즈라는 거에요. ​ ​ 이렇게 생겼구요. 잠망경 똑같이 생겼죠? 클립방식으로 스마트폰에 끼워서 활용할 수 있어요. ​ ​ 실제로 제가 유튜브 영상 촬영하면서 스마트폰에 끼우는 모습이구요. ​ ​ 아이온과 플랫코에서 아래와 같이 활용가능해요. 원래 아이온 위에 스마트폰을 올리면 전면카메라가 천정을 바라보는데 잠망경 굴절 렌즈를 사용하면 전면카메라가 앞쪽을 비추게 되요. ​ ​ 다른 인공지능코딩로봇을 활용할 때도 적용가능할 수 ..

안녕하세요? 로봇 & 코딩교육 No.1 크리에이터 태지쌤이에요. ​ 오늘 소개해드릴 AI교육 관련도서는 생능북스에서 출간한 수업에서 바로 활용하는 챗GPT 교과서에요. ​ 생성형 AI시대의 도래와 함께 챗GPT 관련도서도 쏟아지고 있어요. 챗GPT교과서라는 책이 기존의 챗GPT관련 도서와의 다른점이라면 기존의 생성형AI관련 도서의 경우 주로 IT전문가의 관점에서 바라본다면 챗GPT 교과서라는 책은 교육 전문가의 관점에서 씌여진 책이에요. ​ ​ 이 책의 두 저자는 모두 초등학교 현직 교사이구요. 특히 홍지연 선생님의 경우에는 초등학생들을 위한 다양한 코딩관련 책들을 펴내서 코딩교육 관련해서는 태지쌤만큼이나 유명하신 분이에요. ​ ​ 챗GPT 교과서는 챗GPT에만 한정짓지 않고 생성형 AI에 관련된 다양한..

​ 지도학습과 비지도학습은 머신러닝의 두 가지 주요 패러다임입니다. 이들 간에는 몇 가지 중요한 차이점이 있습니다. ​ 1. 목표와 지도 데이터의 존재 여부: - 지도학습: 명시적인 목표가 있으며, 레이블된 지도 데이터를 사용하여 모델을 학습시키는 방법입니다. 모델은 입력 데이터와 그에 대한 정답 레이블 사이의 관계를 학습하여 예측을 수행할 수 있습니다. - 비지도학습: 명시적인 목표가 없으며, 레이블되지 않은 데이터를 사용하여 숨겨진 구조나 특성을 발견하는 방법입니다. 모델은 데이터의 패턴, 유사성, 군집 등을 파악하고 추론합니다. ​ 2. 데이터의 형태와 사용 방법: - 지도학습: 입력 데이터와 해당하는 출력(레이블) 사이의 관계를 학습하는 방식으로, 데이터에 대한 사전 정보(레이블)가 필요합니다. ..

​ 적절한 머신러닝 알고리즘을 선택하는 것은 문제의 특성과 데이터에 기반하여 판단해야 합니다. 다음은 알고리즘 선택에 도움이 될 수 있는 몇 가지 요소들입니다: ​ 1. 문제 유형: 문제가 분류, 회귀, 군집화 등 어떤 유형인지 확인하세요. 각각의 문제 유형에 맞는 알고리즘이 있으며, 이에 따라 선택 범위를 좁힐 수 있습니다. ​ 2. 데이터 크기와 특성: 데이터의 크기와 특성에 따라 알고리즘의 성능이 달라질 수 있습니다. 대규모 데이터셋인 경우에는 확장성이 좋은 알고리즘을 고려해야 할 수도 있습니다. 또한, 데이터의 특성에 따라 선형적인 관계, 비선형적인 관계 등을 모델링할 수 있는 알고리즘을 선택해야 합니다. ​ 3. 알고리즘의 성능과 제약사항: 각 알고리즘은 특정한 성능과 제약사항을 가지고 있습니다..

더미 변수(Dummy Variable), 또는 원핫 인코딩(One-Hot Encoding)은 범주형 변수를 컴퓨터가 처리할 수 있는 형태로 변환하는 방법 중 하나입니다. ​ 더미 변수는 범주형 변수의 각 범주(category)를 이진 변수로 변환하는 것을 의미합니다. 예를 들어, 성별 변수가 "남성"과 "여성"으로 구분되는 경우, 이를 더미 변수로 변환하면 "남성"을 나타내는 변수와 "여성"을 나타내는 변수로 나눌 수 있습니다. "남성"을 나타내는 변수는 해당하는 경우 1의 값을 가지고, "여성"을 나타내는 변수는 해당하는 경우 1의 값을 가지며, 나머지 경우에는 0의 값을 가집니다. ​ 더미 변수는 컴퓨터가 이해할 수 있는 형태인 숫자로 변환된 범주형 데이터를 나타냅니다. 이를 통해 머신러닝 알고리즘에..

LightGBM은 경사 부스팅(Gradient Boosting) 알고리즘 중 하나로, 효율적이고 빠른 학습과 예측 성능을 제공하는 알고리즘입니다. LightGBM은 Microsoft에서 개발한 알고리즘으로, 대용량 데이터셋에서도 뛰어난 성능을 발휘하며, 특히 특성이 많은 데이터에 잘 적용됩니다. ​LightGBM의 주요 특징은 다음과 같습니다: ​1. Leaf-Wise 트리 분할: LightGBM은 트리 분할을 Leaf-Wise 방식으로 수행합니다. 일반적인 알고리즘은 Level-Wise 분할을 사용하는데, 이는 모든 리프 노드의 손실을 계산하여 분할을 결정합니다. 하지만 LightGBM은 가장 손실이 큰 리프 노드부터 시작하여 분할을 수행하므로, 빠른 학습과 더 적은 메모리 사용량을 가능하게 합니다. ..

요새 인공지능이 안쓰이는 곳이 없죠? 특히 디자인 할 때 자주 사용하는 미리캔버스에도 인공지능이 도입되었어요. AI드로잉이라는 카테고리가 생겼죠? ​ ​ 아쉽게도 AI드로잉을 사용하려면 유료 기능을 사용해야해요. ​ ​ 유료 기능으로 테스트해봤어요. DALLE2나 업스케치와 다르게 여러 스텝으로 나눠놨어요.​ ​ ​ 스텝1. 무엇을 그리고 싶으신가요? 그리고 싶은 내용을 최대한 자세하게 기록합니다.​ ​ ​ 스타일을 미리 지정할 수 있어요. 저는 일러스트로 선택​ ​ ​ 참고 이미지도 줄 수 있어요. 이게 다른 플랫폼과 가장 차별화 되는 포인트 같아요. ​ ​ ​ 코딩에서 변수의 개념을 설명하고 그리도록 했는데.... ​ ​ 결과물은 별로네요 ㅋㅋㅋ ​ ​ 다른 주제로 바꿔봤어요. 이건 잘 그리더라구요. ​