1. Key Stakeholders
- 사회에 미치는 영향
- 통근 경험의 향상 ⇒ 통근자들은 운전할 시간에 다른 업무를 볼 수 있다.
- 교통량 감소
- 자동차 사고 수 감소
- 현대 도시의 배치 변화
- 대기 오염 완화
- Engineer Team
- Operation team
- Data acquision, labeling, mapping
- Hardware team
- Lidar 나 카메라와 같은 다양한 센서 개선
- 자동차의 다양한 알고리즘 기반 임베디드 시스템 개발
- Data engineering team
- Data pipelines ⇒ 센서 → 클라우드까지의 데이터 흐름 보장을 위해
- Operation team
2. Machine Learning
- Artificial Intelligence (AI)
- 외부 데이터로부터 학습하고 이 지식을 사용하여 특정 작업을 수행하는 시스템
- Machine Learning 과 차이점 : 명시적인 프로그래밍 필요
- ex) 비디오 게임의 논플레이어 캐릭터
- Machine Learning (ML)
- 하드 코딩된 규칙대신 데이터로 학습 ⇒ 해당 데이터를 학습하는 알고리즘 훈련 필요
- Deep Learning (DL)
- 신경망 기반 (머신 러닝 알고리즘의 일종) ⇒ 머신 러닝 알고리즘의 하위 집합
- 네트워크의 계층 수를 나타냄
- 원시 데이터로 작업 가능
3. Supervised Learning
1) Supervised Learning vs. Unupervised Learning
Supervised Learning | Unupervised Learning |
---|---|
레이블이 지정된 데이터 필요 | 원시 데이터(레이블X)를 알고리즘에 사용 가능 |
레이블 지정 작업 ⇒ 엄청난 비용 발생 |
2) 용어
Mark | I/O | Method | Description |
---|---|---|---|
X | Input variable | Observation | 알고리즘에 대한 입력 데이터 |
Y (Ground truth) | Output variable | Label (annotated) | 입력 데이터와 관련된 레이블로 나온 출력 데이터 |
Y hat | Output variable | Prediction (predicted) | 입력 데이터에 대한 모델 예측로 나온 출력 데이터 |
4. Artificial neural networks (ANN)
⇒ 인간 신경망 기반 머신러닝 알고리즘
- Neurons(뉴런)
- 신경망의 기본 단위
- 입력 신호를 받아 입력값과 뉴런의 가중치 기반으로 활성화 여부 결정
- Layer
- 여러 개의 뉴런을 포함한 구조
- 레이어를 쌓아 신경망 만듬
※ Firing(발화) : 뉴런이 활성될 때