Matlab을사용하여ai준비하기
ai는어디에나。AI는단순히스마트비서，기계기계，자율주행과같은분야를하는것을넘어엔지니어에게일반일반인작업을방법그러나최근추정에따르면많은이ai의가치와을을하고있지만，여전히이를사용하는기업거의없는것으로나타났습니다。Gartner가최근3,000개기업을대상으로한설문설문사에따르면ai계획을세우기시작기업은50％였고실제로ai를구현기업은단4％에불과했습니다。1
많은조직이ai구현에대해다음과부담감을갖고있는것이걸림돌로작용하고있습니다。
- AI를구현하려면데이터과학의가되어야한다는생각
- ai시스템개발에많은시간과에이소요된다는우려
- 양질의레이블지정지정이터데에대한접근성접근성
- ai를기존알고리즘및시스템에통합하는데드는비용과
아래의3가지실례실례를를통해matlab®으로ai를손쉽게시작하는을알아볼알아볼있습니다。matlab은caffe및tensorflow와와전용전용툴과툴과사한ai기능을제공합니다。더욱중요한것은matlab만이ai를완전한엔지니어링개발에필요한워크플로에할수점점입니다。
ai모델은완전한시스템개발에있어필요한전체중일부일부에불과합니다。
ai란무엇이며어떻게구현하나요？
AI란용어는1950년대에만들어졌고，현재도사용되는ai의정의정의는는의지능적인적인을모방하는의의능력입니다의의능력능력능력의의능력능력능력.기계가단순히모방하는데않고，인간의성과에준하거나，심지어는초과할때ai는더욱흥미로워집니다。
실용적인관점에서보면，오늘날사람들이ai를생각할때는항상머신러닝을떠올립니다。즉，원하는행동을가할수있도록기계를훈련시키는것으로생각합니다。
전통적인프로그래밍는원출력출력값얻기위해이터를를처리처리하는프로그램을을
머신러닝을사용하면가뒤바뀝니다。데이터와와원하는출력값을입력하면하면컴퓨터컴퓨터을을을을을을을을을을머신러닝머신러닝（더정확하게표현하자면모델）은대체로일종의블랙박스입니다。원하는출력값을생성수는있지만，전통적인프로그램이나알고리즘알고리즘과같은연산순서로순서로있지있지있지
현재는딥러닝이라는특수한유형의이큰관심을불러일으키고있습니다。딥러닝은신경망을사용합니다。（딥러닝의'딥'이란용어용어는네트워크의계층수를나타냅니다를를를를를주요주요중중하나는기법에서요구되는수작업수작업지식지식에서요구요구되는되는도메인지식지식기법에서와되는광범위한광범위한무료이필요없다는점입니다。
넓게넓게보자면머신러닝과딥러닝은은를달성하는하는으로생각하시면머신러닝과딥러닝은오늘날가장일반일반적으로으로적용기법기법
첫번째예는한과학자가MATLAB을사용하여을배우고적용하여다른는는절대할수없었던문제
머신러닝머신러닝으로과자의의바삭함감지감지
식품과학자인solange sanahuja는과자의바삭함를를수있는반복가능한절차를해야했습니다했습니다。Sanahuja박사는는과자의물리적모델을해보려시도시도，성과를했지만못했습니다。어떤과학자들은은처리를사용하여과자가바스러지는소리를분석해보려했지만신선않은과자간의차차과자간의차차할수있는개발개발하지는못했습니다하지는하지는못했습니다하지는하지는하지는하지는하지는하지는못했습니다하지는하지는하지는하지는하지는하지는하지는하지는하지는하지는못했습니다하지는하지는하지는하지는하지는개발하지는하지는
Sanahuja박사는Matlab이머신러닝을지원한다는사실을확인하고이를시험해보기로결정했습니다。SANAHUJA박사는수백의실험을통해한한수준에서과자과자과자바스러지는소리와힘기록했으며，전문맛가들로하여금신선도을기록하도록했습니다했습니다신선도을기록했습니다。
식품과학자로서의본인이지닌전문지식을토대로，힘측정결과값특징특징식별경도및깨짐성과같은값을계산계산했습니다계산계산계산계산이어녹음된소리에서가적인특징을추출하기위해한접근법을했으며，그그옥타브분석이가장적합분석결론을내렸습니다。
다음다음는sanahuja박사에게는완전히새로운영역이었습니다。선택된특성을토대로모델을하는작업이었습니다。선택지가너무많기때문에올바른을찾기가어려울수있습니다。각각각각모델을을직접대신대신，sanahuja박사는统计和机器学习工具箱™의분류학습기앱사용가능한모든모델을자동시험했습니다。
먼저모델훈련에사용할할이터를를선택。그런다음matlab을사용을가능한모든모델훈련시켰습니다。MATLAB은은모델목록목록생성생성하고모델모델훈련시켜모델전체적정확도를를보여화인정확도생성생성화화를생성생성를적적를생성
이러한결과를토대로sanahuja박사는해당에가장한한모델로로로서포트벡터벡터머신을선택선택선택이모델의정확도는약90〜95％에이르며，우리가바삭함을인식할느끼는작은에에에도도할수수。
엔지니어들다음에서는이복잡한영상인식문제를해결위해위해을사용합니다딥러닝딥러닝을처음부터훈련많은많은이터데이터데합니다。하지만이사례례의엔지니어들전이학습을사용함으로써적은양의데이터로도딥러닝딥러닝을적용할수수수수
딥러닝딥러닝을통한효율효율적인굴착굴착
일본의건설회사Obayashi Corporation은Natm（신오스트리아신오스트리아공법）이라는굴착굴착공법사용용。이공법에서지질학자들은굴착에에되는과정에서면의를모니터링하여균열부간의과과같은한메트릭을평가합니다。이공법은건설비용을절감효과효과효과가있지만，몇가지이있습니다。하나의현장을분석하는많은시간이소요될수있고，따라서간헐적으로만분석작업수행수있습니다。또한，이공법에익숙한지질학자가부족합니다。
Obayashi는딥러닝으로이러한제약제약을해결하기로결정결정결정결정결정터널터널의영상토대로한한메트릭자동하도록딥러닝딥러닝을훈련시키는이었습니다。가장큰과제는충분한이터를를하는이었습니다。최고최고수준의딥러닝신경망은신경망은만개의영상으로훈련을을，Obayashi가보유한영상은단70개에불과했습니다。
Obayashi지질학자들은우선이70개영상각각의세에레이블을을지정，각이미지에에풍화변화및상태와같은메트릭값을부여부여부여부여상태이어아이블이지정된영역을더작은영상분할하여，궁극적으로약3,000개의레이블이지정된영상을생성。처음부터딥러닝신경망을훈련많은시간이소요되는것은물론이소요훨씬영상이필요필요전이학습하므로전이학습을사용하여사전훈련을거친딥러닝alexnet을기반으로사용자을신경망기반으로구축지정신경망을구축구축지정을을구축했습니다구축을구축구축
AlexNet은음식，가정용품용품및동물과같은일반적인물체를인식하도록그대로수백만개의영상을훈련되었지만되었지만되었지만되었지만되었지만해석해석해석해석해석을해석해석해석하는해석알지을해석해석해석해석되었지만해석해석해석해석해석해석해석해석해석해석해석해석해석해석해석해석해석알지알지알지알지알지에에전이학습을통해obayashi의엔지니어들은터널굴착면영상토대로지질학적학적값을위해위해위해위해
전이학습학습。
지금지금obayashi가재훈련시킨신경망은풍화변화및균열상태정확도가상태예측정확도가90％가까운수준수준이르고있습니다。
ai를완전한엔지니어링시스템에통합하기
지금까지matlab을사용하면경험이없고없고이터가적은상황에서도머신러닝이나딥러닝딥러닝신경망을생성하고훈련수있다는것을확인확인훈련시킬있다는것을확인했습니다물론이것으로이끝나는끝나는은아닙니다。대부분의경우이모델을더큰시스템에하기를원할것입니다。
마지막예는ai시스템을구축이를프로덕션시스템에통합하는데한모든요소를적으로설명합니다설명설명합니다합니다설명설명설명설명설명설명
농업수확기적재작업자동화하기
案例新荷兰의거대한fr9000시리즈목초수확기는，풀및기타작물을시간당300톤이상수확할수，그과정에서작물최소최소4mm까지절단하는기능을갖추고갖추고갖추고있습니다。수확기운전자는운전하면서의속도를유지하는외에도된작물이트레일러에제대로적재되도록살핌과에적재이를를적으로관찰해야해야해야해야이더에높높에에에이나집중높보니작업작업작업이더작업。
이회사는이러한복잡한복잡한수확기의작동상태를에서재현할수없었고현장광범위한프로토프로토타핑핑진행진행하기하기하기너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무너무대신ai알고리즘을sim万博1manbetxulink시스템모델가져와3차원장면시뮬레이터사용하여하여현장여건을연출데스크탑에서폐루프폐루프수행수행수행수행수행수행수행수행수행
案例新荷兰시뮬레이션프레임워크보기보기。
시뮬레이션결과。왼쪽：수확기붐과트레일러。오른쪽상단：카메라출력。
오른쪽하단：거리및적재높이。
데스크탑시뮬레이션을사용하여기능을한후，운전자운전자의의견을토대로컴퓨터비전제어기능을갖춘랩탑랩탑을중수확기에에투입해실시간실시간으로으로알고리즘에투입해조정으로
컨트롤러모델에서프로덕션c코드코드생성하여수확기의디스플레디스플레디스플레를실행하는®9프로세서에배포했습니다。
수확기운전자들은이시스템이랩탑에서실행할때에이작동한다고보고했습니다。新款荷兰Intellifill™시스템시스템현재fr9000시리즈시리즈수확기에서에서에서에서있습니다。
요약
matlab을사용하면하면경험이없더라도없더라도를사용할수있습니다。앱을사용하여다양한접근법을빠르게해보고분야별분야별을하여데데데데준비할수수수
데이터에서특징을식별에이불가능한경우，훈련절차의일환특징특징식별딥러닝을사용용할수수수딥러닝에는많은데이지가필요하지만，보유한데이터를전이학습을사용하여기존을확장할수있습니다。
마지막으로임베디드임베디드기기에서모델을전체전체수수수수수수수할수
