인공지능 / 머신러닝 / 딥러닝

인공지능

• 정의 : 기계가 인간의 지능을 가질 수 있게 하는 기술
• 목적 : 인간의 학습, 추론, 지각 등 능력을 컴퓨터로 구현하는 것
• 발전이유 :
  • 인공지능 학습에 필수적인 데이터의 급증
  • 하둡, 스파크 등 빅데이터 저장 처리 플랫폼의 등장
  • 데이터 저장 처리 및 기술 발전으로 인한 비용 하락
• 활용 : 
  • 인사이트 확인 가능
  • 미디어, 리테인, 엔터테인, 제조 등 다양한 분야에 적용가능
• 약인공지능 : 시리, 빅스비 음성제어
• 강인공지능 : 스스로 판단 결정. 인류가 지향하는 인공지능

머신러닝

• 정의 : 대량의 데이터를 기반으로 패턴을 학습하여 신뢰도 있는 결과를 예측하는 알고리즘 기법
• 특징 : 데이터는 사람이 먼저 분류 가공, 사람이 직접 프로그래밍 하지 않고 학습 처리 가능. 
• 활용 : 복잡한 조건과 규칙으로 패턴을 알기 어려울 때

• 분류 : 지도학습 / 비지도 학습
  • 지도학습 분류 : 시각,음성 / 분류 / 회귀/ 추천 / 텍스트 NLP
  • 비지도학습 분류 : 클러스터링 / 차원축소 / 강화학습

• 머신러닝 알고리즘의 기반 학문 : 통계, 선형대수
• 머신러닝 알고리즘의 기반 : 대부분 넘파이 기반으로 작성. 입출력 데이터가 넘파이 배열 타입으로 작성됨
• 선형대수 파이썬 패키지 : 넘파이
• 선형대수의 활용 분야 : 수학, 자연과학, 공학에서 사용됨

 

• 활용예시 : 
  • 사람이 직접 찾던 자료를 기계를 이용하여 쉽고 저렴하게
  • 예약 취소가 안날 확률 계산
  • 효율성, 최적화를 높임. 추천 문제에 적용이 많이 됨
• 일반 CS와 무엇이 다른가
  • CS : 사람이 문제해결해결 COM에게 알려주는 것
  • 머신러닝 : COM에게 데이터를 많이 주고 알아서 문제를 해결함.
    • 단, 최소한의 모델(어떤 종류 모델을 적용할지)은 인간이 제작.
    • 데이터와 모델, 훈련 시간은 인간이 할당
    • 훈련 데이터는 전문가들이 추출함
• 머신러닝 과정 : 
  • 1. 관찰 : 현상, 상황파악
  • 2. 이해 : 경험, 지식기반으로 패턴화
  • 3. 평가 : 가설수립, 패턴 추론, 가설 평가
  • 4. 결정 : 최적행동결정

 

딥러닝

• 정의 : 인공신경망 기반의 머신러닝. 머신러닝 방식 중 하나.
• 특징 :
  • 알고리즘을 통해 스스로 분류함
  • 인공신경망은 빅데이터가 있어야 학습이 잘됨
  • 인간의 뉴런과 비슷한 인공신경망(Neural Network)방식으로 정보를 처리
  • 감각기관 인식 -> 뉴런통해 뇌로 전달 -> 뇌가 판단
  • 사람 뇌세포를 모방한 인공신경망이 여러 층으로 구성되었다고 하여 Deep 러닝이라 부름
  • 비지도 학습을 따름
  • 방대한 데이터 처리 연산을 하기에 높은 사양의 CPU 필요