선물:핑크색으로 시선을 끌어서

할아버지:선물과 아이의 근처에 위치해서

분홍색 선물 상자: 눈에 띄기 좋은 위치이면서 색도 주변 색들과 대비됨

할머니: 헤어스타일이 인상깊었음

두 번째 대상 : 왕관을 쓴 소녀, 이유 : 이 장소에서의 주인공인 것 같기 때문이다.

세 번째 대상 : 아버지, 이유 : 선물을 주는 사람이기 때문이다

선물 : 눈에 띄는 색이기 때문

왕관 : 생일이라는 것을 알려주기 때문

할아버지 : 아기 옆이라

왕관 : 아기 머리위라

두 번째 대상 : 분홍색 선물, 이유 : 가장 눈에 띄는 색으로 구성되어 있기 때문

세 번째 대상 : 왼쪽 남성, 이유 : 화면에서 많은 비율을 차지하고 있고 선물을 건네주는 주체이기 때문

두 번째 대상 : 아버지, 가장 큰 면적을 차지하고 있는 만큼 시선이 두 번째로 많이 끌렸다

세 번째 대상 : 풍경, 아버지를 제외한 가장 많은 면적을 차지 및 한 가지의 색깔이 넓게 퍼져있어 시선을 끌린다

두 번째 대상 : 왕관 / 눈에 띄는 색이고 영어가 거꾸로 읽혀서

세 번째 대상 : 여자아이 / 정중앙에 위치해 있어서

선물상자: 색이 쨍함

할아버지: 선물상자 옆이라

케이크의 촛불: 불의 색을 표현한 게 다른 색에 비해 인상 깊었다.

할아버지의 주름: 사진에서 실제처럼 주름을 표현해낸 것이 구체적이고 놀라웠다.

위 활동을 하면서 엔트리라는 간단한 블록 코딩을 통해서도 인공지능을 학습시켜 원하는 인공지능을 만들 수 있다는 사실을 알게 되었고 인공지능을 학습시키는 데 사용되는 자료의 개수가 적다보니 "나쁘지 않아"를 슬픔으로 변환시키는 것을 볼 수 있다 인공지능을 학습 시키는 데에는 다양하고 많은 양의 데이터가 요구된다는 것을 알게 되었다

수업 시간에 배운 인공지능 기능을 활용한 엔트리를 직접 만드니 복습하는 기회가 되었다. 작업을 하면서 판단에 있어서 인공지능의 능력을 확인할 수 있었다. 정확한 결과값을 위해서는 많은 표본이 필요해 보였다.

알게된 사실: 군집화 모델을 만들어보면서 여러 가지 자료를 분류하는 방법에 대해서 알게되었다.

분류된 데이터를 활용하여 내가 원하는 군집을 뽑아 쉽게 활용할 수 있다는 것을 알게 되었다. 실제로 엔트리에서 그 작업이 어렵지 않았다.

https://naver.me/5kx2s0d0

알게된 사실: 이 프로그램을 통해서 네이버 VIBE의 재생 수 및 20대, 30대 선호도에 대해서 알게 되었다.

216.p

군집화 모델을 학습시키면서 많은 데이터가 쓰인다는 것을 알게 되었고 거리 별로 분류하는 것에 여러 과정이 필요하다는 것을 알게 되었다

알게된 사실: 내 마이크의 소리를 듣고 텍스트로 변환시킨 다음에 학습된 정보를 바탕으로 내 감정에 공감할 수 있다는 사실이 신기했다.

인공지능 / 군집화 기능을 통해 출동 도움 센터와 같은 특정 장소를 정해야 하는 경우 가장 효율적인 위치를 알 수 있다는 걸 배웠다. 결과적으로 출동 도움 센터의 3곳은 각각 위도 35.17 경도 126.97 / 위도 35.68 경도 128.79 / 위도 37.33 경도 127.1 위치에 두면 특정 지역에 치우치지 않을 수 있다.

https://naver.me/FDGBZ5AG

105.p

여러 음악의 선호도를 연령대 별로 군집화하는 것이 신기했고, 군집화 한 결과가 의미하는 것이 무엇인 지 알아보는 시간을 가지면 좋을 것 같다

베르시칼라 - 26개

버지니카 - 22개

베르시칼라의 정확도가 가장 떨어짐

세토사 - 9/10

베르시칼라 - 6/10

버지니카- 8/10

베르지칼라 27개

버지니카 9개

75%

92%

71%

80 60 50

10 6/10

27 8/10

베르지칼라 18개

버지니카 8개

총 10번의 테스트에서 8번 정도를 맞췄다

setosa는 거의 다 구분하지만 나머지는 구분을 잘 못함

versicolor(20):50

virginica(20):40

베르지칼라 18

버지니카 8

10번 테스트 8번 맞춤

베르시칼라 12

버지니카 8

베르시칼라의 정확도 최하

6

14

10개중에 6개만 맞췄다

22 9/10

10 7/10

80% 60% 70%

54

44

7/10

베르시칼라 - 76개

버지니카 - 64개

세토사-98%

베르시칼라-91%

버지니카-90%

73 81 69

더 많은 데이터가 필요한 것으로 보임

versicolour (10,5)

virginica (14,6)