[AIOT 융합기술 리더 양성과정] 센서 및 액츄에이터

센서 CDS센서 조도센서로, 빛을 받으면 저항값이 달라진다. 주로 pull up 저항을 같이 사용한다. (어두워지면 저항 작아짐 -> LED 불 켜짐) 위 그림은 Pull down의 경우를 생각해 그린 회로도이다. 빛이 많이 들어오면 CDS의 저항이 커지고, MCU에 가해지는 전압의 크기는 줄어든다. 이런식으로 1024개로 나눠진 구간의 input을 받게 되며 수치적으로는 값을 구할 수 없다. 초음파 거리센서 10us동안 pulse가 high로 유지되면, 40kHz의 8개의 burst가 발사된다. 이 burst를 내보낸 시각과 다시 센서로 돌아온 시각의 차를 통해 시간을 얻는다. s = v*t를 활용해 거리를 구할 수 있다. 온습도 센서 온습도를 측정할 때는 DTH11 센서가 사용된다. 따로 계산할 필요..

2020.12.30

[AIOT 융합기술 리더 양성과정] AIOT개요 및 기초 환경 설정

이번 차시엔 알고 있는 부분이 많아서, 따로 정리한 양이 많지 않다. MCU는 마이크로 컨트롤러로, 컨트롤에 특화된 라이트한 컴퓨터이다. NODEMCU는 GPIO 핀을 보고, 그러한 정보를 얻는다. 다이오드, LED는 약 2V정도의 전압이 필요한데 우리가 사용하는 전압은 3.3V나 5V이다. 그러한 큰 전압으로 큰 전류가 흐르게 되면 다이오드는 손상을 입는다. 따라서 다이오드를 사용할 때 220~330의 저항을 함께 사용한다. PULL DOWN 풀 다운 저항이 있으므로 스위치가 on일 때 short 없이 MCU에 전류가 흐르게 된다. 입력 핀은 평소에 LOW상태가 유지된다. PULL UP 풀업 저항이 있으면 스위치가 on일 때 short가 발생해 전류가 MCU에 흐르지 않는다. 입력 핀은 평소 HIGH상..

2020.12.29

[AIOT 융합기술 리더 양성과정] AIOT를 위한 아키텍처 설계

작년에 대학교에서 유사한 AIOT 관련 과정을 거쳐서, AIOT architecture 민간 자격증을 얻었다. 이번에도 비슷한 과정을 하는데, 이번에는 조금 다르게 진행되는 것 같다. 지난 번엔 소프트웨어적인 부분, AI와 관련된 부분을 많이 다뤘었다. 이번엔 AIOT 지식사와, 설계사로 나뉘어 앞부분에서는 IOT에 관한 부분을 많이 다룰 것으로 예상된다. 작년에 관련 내용을 적다가 말았는데, 이번에 어느정도 보강할 계획이다. 수업에서 사용된 사진자료를 적극 사용했다. AIOT를 위한 아키텍처 설계 AIOT는 AI와 IOT 단어의 합성어이다. 뜻은 '사물을 인터넷에 연결해 데이터를 주고 받는 것 뿐만 아니라 인공지능을 통해 기능을 최적화 하는 것'이다. 현재 중국에서 가장 핫하게 진행되고 있다. 적용되는..

2020.12.29

머신러닝 & 딥러닝 #1_5 Model Validation

안녕하세요,, Model Validation을 배우기 전 Model Capacity, Overfitting에 대해 알아보겠습니다. Model Capacity는 차수를 말하는데 이는 몇 차 함수로 Model을 나타낼지 정하는 것입니다. 너무 많은 Capacity(=Parameters)를 쓰게되면 연산량이 많고, Overfitting 될 수 있습니다. Overfitting 된 모델은 학습시킨 데이터와 굉장히 잘 맞는 모델(과적합)입니다. 문제는 모델 만들 때 쓴 데이터에만 잘맞는다는 것입니다. 우리는 일반화된 모델(모델 생성에 사용되지 않은 데이터에 잘 맞는)을 원합니다 그래서 Overfitting 되지 않는 모델을 원하는 것입니다. Model Validation은 경사 하강법으로 만들어진 모델 여러 가지를..

2020.01.09

머신러닝 & 딥러닝 #1_4 Gradient Descent 실습

Gradient Descent 실습을 진행하겠습니다. 구글 colab을 사용합니다. numpy 패키지는 기존에 있는 라이브러리 함수를 가져오는 것입니다. Machine()은 우리가 정의해줍니다. Gradient()도 정의해줍니다. Gradient()안에 Machine()이 들어갑니다. 이처럼 함수를 부품화해서 새로운 함수 정의에 사용하며 작업을 단순화 합니다. Learning() 역시 Gradient() 함수를 부품화하고 있습니다. Updated_w, Updated_b는 1번 학습된 Parameter 입니다. w : 2 -> -1.3 b : 1 -> 0.5 이렇게 값이 변화했습니다. 데이터를 읽어오기 위해 또다른 라이브러리 함수 pandas 를 불러왔습니다. matplotlib.pyplot 역시 라이브러..

2020.01.02

머신러닝 & 딥러닝 #1_4 Gradient Descent

안녕하세요. 드디어 5일간 교육을 마쳤습니다. 시간적 여유가 생겼기에 계속해 교육내용을 간단히 정리하겠습니다. 저번 시간에 Machine Learning의 Machine은 Function이라고 했습니다. y = w*x + b 의 함수는 input(x)에 대한 output(y)을 예측한다는 뜻입니다. 예측값은 y_hat, 실제 값은 y로 나타내겠습니다. 그렇다면 y - y_hat = error(오차)입니다. 이렇게 실제값과 예측값의 차이를 비교하는 지표가 여럿 있습니다. Loss Function은 L(y, y_hat) = (y - y_hat)^2입니다. 제곱을 시켜주는 이유는 부호 문제, 후술 할 Gradien Descent에서의 미분가능성 문제를 해결할 수 있어서입니다. 실제 사용하는 지표는 Cost F..

2020.01.01

머신러닝&딥러닝 #1_3 Machine Learning

안녕하세요. 연말 잘 보내고 계신지요. 교육에선 통계적 툴로 활용되는 Python의 몇 패키지를 짚고 넘어갔지만 저는 그냥 넘어가겠습니다. Machine Learning 머신러닝의 개념을 설명하겠습니다. Machine은 기계, 컴퓨터의 의미지만 여기선 그 단계가 매우 낮습니다. Model, Algorithm의 역할을 수행합니다. 수학에서의 함수로 생각하면 됩니다. x값을 주면 y값을 도출하는 F(x)입니다. Learning은 학습이라는 뜻입니다. (행동을 바꿈으로써) 변화를 이끌어내기 위해 하는 것입니다. ①수행할 작업을 명확히 정해야하고 (예측, 분류) 그 결과를 판단할 기준도 필요합니다.(예측은 Mean square Error, 분류는 Cross Entropy Error) 이 ②MSE, CEE는 실제..

2019.12.29

머신러닝&딥러닝 #1_2 Artificial Intelligence

안녕하세요. 성원에 힘입어 바로 다음 글을 올립니다. 이번 글은 Data Analytics 기술을 어떻게 활용하는 Artificial Intelligence, 즉 A.I의 개념을 설명하겠습니다. 교수님께 배운 스타일대로, 이번에도 단어를 끊어서 알아보겠습니다. Artificial은 인공적이라는 뜻입니다. 인간이 만드는 것, Natural(자연적)이지 않은 것이지요. Analog와 대비되는 Digital 개념으로 생각하시면 됩니다. 다음은 Intelligence (지능)을 생각해보겠습니다. 말은 되게 거창하지만, 실제 우리가 기대하는 지능은 두 가지입니다. ①예측(Regression) ②분류(Classification) 이 둘이 우리가 미래에 Decison Making(의사결정)을 할 때 사용되는 것입니다..

2019.12.29

머신러닝 & 딥러닝 #1_1 Data Analytics

이번에 대학교에서 5일 동안 하는 머신러닝&딥러닝 강의를 들었다. 그 내용을 복습하는 차원에서 내용을 요약하려고 한다. 일단 시작하기 전에, What is Data Analytics? 단어를 나눠서 생각해보자. Data는 행위의 결과 즉, 만들어지는 것이며 정보(Information)와 차이가 있다. 태생이 복수형이며 그 특징들은 ①여러개의 자료들 ②생성되는 것 ③과거의 결과 ④구조(Structure) ⑤형식(Type) 이 정도가 있으며 구조와 형식이 데이터 사용에서 중요하다. (이번 교육에서 중요) 그렇다면 Analytics(분석)은? 분석은 통계(statistics)적으로 '데이터의 특징을 확인' 하는 것이다. (확인 = 수학적 연산) 특징은 평균과 산포도로 나눌 수 있다. * 평균(중심화 경향치) ..

2019.12.29