자율주행 개요

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

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