데이터 예측 모델 최적화를 위한 경사하강법 교육 방법
Gradient Descent Training Method for Optimizing Data Prediction Models
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 기초적인 데이터 예측 모델을 만들고 최적화하는 교육에 초점을 맞추었다. 그리고 데이터 예측 모델을 최적화하는 데 널리 사용되는 머신러닝의 경사하강법 교육 방법을 제안하였다. 미분법을 적용하여 데이터 예측 모델에 필요한 파라미터 값들을 최적화하는 과정에 사용되는 경사하강법의 전체 동작과정을 시각적으로 보여주며, 수학의 미분법이 머신러닝에효과적으로 사용되는 것을 교육한다. 경사하강법의 전체 동작과정을 시각적으로 설명하기위해, 스프레드시트로 경사하강법SW를 구현한다. 본 논문에서는 첫번째로, 2변수 경사하강법 교육 방법을 제시하고, 오차 최소제곱법과 비교하여 2변수 데이터예측모델의 정확도를 검증한다. 두번째로, 3변수 경사하강법 교육 방법을 제시하고, 3변수 데이터 예측모델의 정확도를 검증한다. 이후, 경사하강법 최적화 실습 방향을 제시하고, 비전공자 교육 만족도 결과를 통해, 제안한 경사하강법 교육방법이 갖는 교육 효과를 분석하였다.
Abstract
In this paper, we focused on training to create and optimize a basic data prediction model. And we proposed a gradient descenttraining method of machine learning that is widely used to optimize data prediction models. It visually shows the entire operationprocess of gradient descent used in the process of optimizing parameter values required for data prediction models by applying thedifferential method and teaches the effective use of mathematical differentiation in machine learning. In order to visually explain theentire operation process of gradient descent, we implement gradient descent SW in a spreadsheet. In this paper, first, a two-variablegradient descent training method is presented, and the accuracy of the two-variable data prediction model is verified by comparisonwith the error least squares method. Second, a three-variable gradient descent training method is presented and the accuracy of athree-variable data prediction model is verified. Afterwards, the direction of the optimization practice for gradient descent waspresented, and the educational effect of the proposed gradient descent method was analyzed through the results of satisfaction witheducation for non-majors.
참고문헌 (13)
- Ministry of Science and ICT, "The 4th Industrial Revolution in History", R & D KIOSK, (40) (2017)
- Ministry of Science and ICT, "The Various Aspects of the Fourth Industrial Revolution, The Realized Future", R & D KIOSK, (41) (2017)
- J. Y. Kim, "Hello Data Science" (2016), Hanbit Media
- J. K. Kwon, "Learning Data Science" (2020), Jpub
- U. Ichiro, "Learning Data science with Excel" (2020), Hanbit Media
- Beyond an IT Powerhouse to an AI Powerhouse, Report Materia, "Ministry of Science and ICT", ~ (2019)
- Artificial Intelligence National Strategy, Report Material, "Joint Ministries", ~ (2019)
- Y. J. Jang, "Searching for the direction of data science education in the era of the 4th industrial revolution", Integrated Humanities Research, 9(10), pp.155~180 (2017)
- 박윤수, "보편적 빅데이터와 빅데이터 교육의 방향성 연구 - 빅데이터 전문가의 인식 조사를 기반으로", 정보교육학회논문지, 24(2), pp.201~214 (2020), 한국정보교육학회[DOI]
- 김용민, "스프레드시트를 활용한 데이터 과학 교육 프로그램이 초등학생의 컴퓨팅 사고력 향상에 미치는 효과", 정보교육학회논문지, 21(2), pp.219~230 (2017), 한국정보교육학회
- 이지선, "빅데이터를 위한 정보디자인의 시각화 방법 및 표현 연구", 기초조형학연구, 14(3), pp.259~269 (2013), 한국기초조형학회
- 허경, "비전공자 대상 기초 데이터과학 실습 커리큘럼", 실천공학교육논문지, 12(2), pp.265~273 (2020), 한국실천공학교육학회[DOI]
- W. Yoshiyuki, "Machine Learning with Excel" (2021), Seongandang