Building AI Projects(3)

1. Working with an AI team

Specify your acceptance criteria

• 95%의 정확도를 어떻게 측정할 것인가?
• 이전에는 AI팀의 퍼포먼스를 측정하기 위해 제공되는 데이터셋을 test set이라고 했다.
  이는 통계적으로 확인된다.
  따라서 원하는 목표가 통계적으로 어떤 수치 달성을 원하는 것인지 명시할 필요가 있다.

 

How AI teams think about data

• training set은 A와 B를 mapping할 수 있도록 만드는 input이 된다.
  이를 기반으로 획득한 learning 알고리즘을 test set에 적용한다.

 

Ptifall: Expecting 100% accuracy

• 굉장히 작은 균열만 있더라도 defect로 탐지할 수 있는 애매한 문제들도 존재한다.
• 100% 정확도를 보장하지 않는다고 하더라도(사실상 불가능하지만) 충분히 엄청난 성능을 발휘할 수 있다.

 

 

2. Technical tools for AI teams

AI technical tools

 

CPU vs. GPU

• GPU는 원래 그래픽에 관련된 게임 분야에서 사용되었다.
• 그러나 몇년 전, GPU가 depp learning의 연산을 수행하는데 굉장히 효율적이라는 것을 알려져 붐이 시작되었다.

Cloud: AWS와 같이 서버 서비스를 이용

Edge deplyment: 데이터가 수집되는 곳에 processor가 존재하여 처리 및 결정이 매우 빠름 (자율 주행, IoT 등)

 

 

3. Week 2 Quiz

• 2주차 내용들에 대한 간단한 퀴즈 10개 (복수 정답이 항상 까다롭다)
• Training set vs. Test set
  • 둘 다 학습을 통해 얻어진 알고리즘이 제 성능을 발휘하는지 확인하는데 쓰인다.
  • input A와 바람직한 output B가 주어진다.

 

 

 

출처: Coursera, AI For Everyone, DeepLearning.AI