기업조회

본문 바로가기 주메뉴 바로가기

연구보고서 기본정보

확률적 기계학습 및 인공지능

연구보고서 개요

기관명, 공개여부, 사업명, 과제명, 과제고유번호, 보고서유형, 발행국가, 언어, 발행년월, 과제시작년도 순으로 구성된 표입니다.
기관명 NDSL
공개여부
사업명
과제명(한글)
과제명(영어)
과제고유번호
보고서유형 report
발행국가
언어
발행년월 07/22/2016
과제시작년도

연구보고서 개요

주관연구기관, 연구책임자, 주관부처, 사업관리기관, 내용, 목차, 초록, 원문URL, 첨부파일 순으로 구성된 표입니다.
주관연구기관
연구책임자 김수진
주관부처
사업관리기관
내용
목차
초록 1. 분석자 서문 경험으로부터 기계가 어떻게 학습할 수 있을까? 확률적 모델링은 학습이 무엇인지 이해하기 위한 프레임워크를 제공하여 경험을 통해 획득한 데이터로부터 학습하는 시스템 설계를 위한 주요 이론 및 실제적 접근법의 하나로 주목받고 있다. 이에 모델 및 예측에 대한 불확실성의 표현 및 처리 방법을 설명하는 확률적 프레임워크(probabilistic framework)는 과학적 데이터 분석, 기계학습(machine learning), 로보틱스(robotics), 인지과학(cognitive science) 및 인공지능(artificial intelligence) 등 에서 중요한 역할을 한다. 본 리뷰는 이러한 확률적 프레임워크에 대한 소개와 함께 확률적 프로그래밍(probabilistic programming), 베이지안 최적화(Bayesian optimization), 데이터 압축(data compres-sion) 및 자동 모델 발견(automatic model discovery) 등 관련 분야에서의 최신 기술에 대해서 토의한다. 이에 본 분석 보고서는 기계학습 및 인공지능 분야가 더욱 발전하는 데 중요한 역할을 할 수 있는 확률적 모델링을 포함한 최신 기법 및 향후 연구 방향에 대해 고민해볼 수 있는 유용한 자료가 될 것으로 사료된다[1]. 2. 목차 1. 서론 2. 확률적 모델링 및 불확실성(uncertainty) 표현 3. 비모수(non-parametric)를 통한 유연성(flexibility) 4. 확률적 프로그래밍 5. 베이지안 최적화 6. 데이터압축 7. 데이터로부터 해석 가능한 모델의 자동 발견 8. 결론 및 전망 References 3. 원문정보 Zoubin Ghahramani/Probabilistic machine learning and artificial intelligence /Nature/2015. 5. 27 ※ 이 자료의 분석은 서울대학교의 김수진님께서 수고해주셨습니다.
원문URL http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=REPORT&cn=KOSEN000000000000125
첨부파일

추가정보

과학기술표준분, ICT 기술분류, 주제어 (키워드) 순으로 구성된 표입니다.
과학기술표준분류
ICT 기술분류
주제어 (키워드)