빅데이터 이해하기
초보자를 위한 빅데이터 이해하기
실시간 분석 IoT 빅데이터 발표자료
데이터 사이언티스트의 역할
성공적인 빅데이터 활용 3대요소
R, 그리고 빅데이터 | R 시각화 1, 2, 3
하둡 플랫폼의 활용 | 이교수의 멘붕하둡
블록체인 이해하기
블록체인 2019
비트코인, 블록, 체인, 분산장
블록체인 비즈니스 모델
문과생 블록체인 이해하기 도서
스톡옵션 관련 정리 1
창업자 필수 성장통 13가지
블록체인 DApp 서비스 UX 개선을
[강의]빅데이터의 소스 유형 정리

빅데이터 활용방향과 인사이트 도출
데이터 3대 분석기법간 관계



 
작성일 : 18-12-21 12:14
경희대 이경전 교수님 인공지능 시험내용
 글쓴이 : 빅데이터
조회 : 2,999  
오늘 낮 12시부터 치르게 되는 대학원 <인공지능>시험내용입니다. 


경희대학교 이경전 교수님 시험내용


2018 경희대학교 일반대학원 경영학과 인공지능 (이경전 교수) 기말고사
Open Book, Open Internet, Open Notes, No SNS, No Communications

1. 아래 그림은 Long-Short Term Memory(LSTM)의 구조이다. 

1-1. 아래 구조를 기반으로 LSTM의 Long Term (Cell)이 어떻게 형성되는지를 단계별로 나누어 설명하시오.

1-2. GRU와 LSTM의 차이를 2-1에서 답한 내용을 기준으로 간략하게 서술하시오.

2. 다음 문제 중 하나를 고르고, 강화학습으로 구현하시오.

1. 주변 환경을 인식하여 다른 차량과의 추돌을 피할 수 있는 자율 주행 자동차
2. 주어진 n개의 주식으로 주식시장의 변화에 따라 대응이 가능한 포트폴리오 구성
3. 공장 내에서 한 지점으로 다른 지점까지 물건을 운송 할 수 있는 로봇의 구현

2-1. 어떠한 문제를 골랐는가? 본 문제를 강화학습으로 구현한다면 어떠한 장점/단점이 있는가?

2-2. 선택한 문제를 강화학습으로 구현하기 위해 고려해야하는 Environment를 설정하고, State, Action, Reward를 정의하시오.

2-3. 다음 3개의 알고리즘 Monte Carlo Policy Evaluation, Q-Learning, Deep Q-Learning 중 어느 알고리즘이 가장 본 문제에 적합하다고 생각하는가? 가장 적합하다고 생각하는 알고리즘을 다른 알고리즘 중 하나와 비교하여 설명하시오.

2-4. 정의한 State, Action, Reward와 선택한 알고리즘을 기반으로 학습 진행 과정을 예시를 들어 설명하시오.

3. 다음은 Generative Adversarial Network(GAN)을 소개하는 논문에서 든 예시이다. 아래 예시를 기반으로 GAN은 어떤 구조를 가져야 하며, 어떠한 Value Function을 가져야하는지를 설명하시오 (수식을 쓰는 경우, 수식에 대한 설명을 같이 작성해야함)

지폐 위조범(Generator)은 경찰을 최대한 열심히 속이려고 하고 다른 한편에서는 경찰(Discriminator)이 이렇게 위조된 지폐를 진짜와 감별하려고(Classify) 노력한다.
이런 경쟁 속에서 두 그룹 모두 속이고 구별하는 서로의 능력이 발전하게 되고 결과적으로는 진짜 지폐와 위조 지폐를 구별할 수 없을 정도에 이른다.

4. 다음은 Survival Bag을 풀기 위한 유전 알고리즘을 구현한 R코드이다. 
library(genalg)
library(ggplot2)
dataset <- data.frame(
  item = c("pocketknife","beans","potatoes", "onions","sleeping bag","rope",           "compass","lighter"),
  survivalpoints = c(10,20,15,2,30,10,30,50), weight = c(1,5,10,1,7,5,1,1)
  )
weightlimit <- 20
evalFunc <- function(x){
}
GAmodel <- rbga.bin(size=, popSize=, iters=, mutationChance=, elitism=T, 
                    evalFunc=evalFunc)

4-1. 본 코드를 구현하기 위해, 사용할 유전자의 수는 400개이며, 3000세대를 진행하고자 한다. 이 때, 유전자의 변이율은 1%로 고정하고자 한다. 이 때, 코드에서의 size, popSize, iters, mutationChance의 값을 설정하시오.

4-2. Mutation Chance가 높은 값을 갖는 경우, 발생할 수 있는 문제는 어떤 것이 있는가?

4-3. 아래 코드를 순서대로 정리하여 evalFunc을 구현하시오.
  if (current_solution_weight > weightlimit){
    return (0)
  }

current_solution_weight <- x %*% dataset$weight

current_solution_survivalpoints <- x %*% dataset$survivalpoints

if (current_solution_weight <= weightlimit) { 
    return(-current_solution_survivalpoints)
  }

5. 다음은 다음은 어떤 사람이 매칭 서비스를 통해 소개받은 사람들에 대해 평가한 것이다.
(점수가 높을수록 선호하는 것입니다. 평가에 중간 3은 없었습니다.)

5 -1. 이 사람이 파트너를 선호하는 Rule을 Inductive Learning으로 구한다고 할 때 어떻게 접근할 것인가? 가장 중요한 변수가 무엇이었일지 찾는 방법을 설명하시오. 

5-2. 이 매칭 서비스에서 Collaborative Filtering을 사용한다면, 장점과 단점은 무엇인가? Inductive Learning을 쓴다면 장점과 단점은 무엇인가? 인공신경망을 쓴다면 장점과 단점은 무엇인가?

5-3. 회원 1-9가 다른 회원 A-J를 어떻게 평가했는지를 보여주는 평가표이다. 회원 5는 J를 어떻게 평가할 가능성이 큰가? 풀이 과정을 엑셀과 같은 스프레드시트를 써서 풀어보시오. 엑셀 스프레드 시트에 사용한 핵심 수식 하나를 쓰시오. 

6.  점 20개가 있다. 

6-1. 어떤 지점과 지점은 수직, 수평선의 길을 따라서만(rectilinear) 갈 수 있다. 이 지점들을 모두 연결되게하는 그래프(A Connected Graph)를 만들면서 그래프에 속한 링크의 총 길이를 최소화하는 문제의 최적해를 구하는 방법은 무엇인가? 직접 그려보시오. 참고: Rectilinear Minimum Spanning Tree. 총 링크의 길이를 답하시오.
 

6-2 어떤 지점과 지점은 수직, 수평선의 길을 따라서만(rectilinear) 갈 수 있다는 제약이 없다면, 이 지점들을 모두 연결되게하는 그래프(A Connected Graph)를 만들면서 그래프에 속한 링크의 총 길이를 최소화하는 문제의 최적해를 구하는 방법은 무엇인가? 직접 그려보시오. 참고: Minimum Spanning Tree. 총 링크의 길이를 답하시오.
 
6-3 위 문제에서 20개 점외에 임의의 점을 몇 개라도 추가적으로 만들어서 이 지점들을 모두 연결되게하는 그래프(A Connected Graph)를 만들면서 그래프에 속한 링크의 총 길이를 최소화하는 문제의 최적해를 구하는 문제는 Steiner’s Tree Problem이라고 하고, 세개이상의 지점을 연결하는 경우 이 문제는 NP-hard 문제이다. 어떤 지점과 지점은 수직, 수평선의 길을 따라서만(rectilinear) 갈 수 있다는 제약조건이 있는 경우를 최적화하기 위한 A* 알고리즘을 구상해보시오. f=g+h에서 g와 h를 정의하시오.

6-4. h를 기계적으로 정의할 수 있었다면, 어떻게 인공지능 시스템이 자동적으로 정의할수 있을지 Russell & Norvig(1995)의 휴리스틱 생성 방법에 기반하여 설명하시오.

6-5. Steiner’s Tree Problem 문제를 풀기 위한, 유전 알고리즘을 설계할 수 있을까? Chromosome,  Crossover, Mutation을 설계해보시오. A*알고리즘과 유전알고리즘으로 풀 때 TSP(Traveling Salesman Problem) 문제에 비해 Steiner’s Tree Problem이 훨씬 어려운 이유가 무엇인가? 어려워지는 이유를 공통적으로 또는 따로 설명하시오.

6-6. Steiner’s Tree Problem 문제를 인공신경망(딥러닝)과 강화학습을 같이 또는 따로 활용하여 접근할 수 있을 것인가? 창의적으로 구상하거나, 기존 연구를 찾아서 설명해보시오. 창의적으로 구상하여 제시하거나, 기존 연구를 찾아서 대안을 제시하면 가점이 있습니다.

6-7 Steiner’s Tree Problem도 A*, 유전알고리즘, 인공신경망, 강화학습 등 다양한 방법에 의해서 해결이 모색되고 있음을 알 수 있다. “인공지능이란 최적해를 찾아내는 것이다.”라는 주장에 대해서 토론하시오. 모든 인공지능 문제를 최적해를 찾아내는 문제로 간주할 수 있을까? 그렇게 간주하는 것이 바람직할까? 바람직하지 않다면 어떻게 해야할까? 모든 인공지능 문제가 최적해를 찾아내는 문제로 변환가능하다면, 이것이 인공지능 응용에 주는 시사점은 무엇일까?
게시글을 twitter로 보내기 게시글을 facebook으로 보내기 게시글을 Me2Day로 보내기 게시글을 요즘으로 보내기
 
 

전체 1 건
번호 제목 작성자 작성 조회
1 경희대 이경전 교수님 인공지능 시험내용 빅데이터 12-21 3000