인공지능 / 머신러닝 / 딥러닝

인하대학교 정보통신공학과 홍성은 교수님의 인공지능 응용시스템을 듣고 개인적으로 공부한 내용을 정리한 게시글입니다. 

 

Artificial Intelligence : 기계가 사람의 행동을 모방하게 하는 기술

Machine Learning : 데이터로부터 학습. 사람이 직접 기계한테 어떻게 하라 할 필요가 없음

( Computer Vision, Gaming, Robotics, Music, Communication, Technology, Programming, Medical Science )

Deep Learning : 머신러닝의 한 분야인 인공 신경망에 기반하여, 많은 양의 데이터를 학습해 뛰어난 성능을 이끌어내는 연구 분야  

---

# Machine Learning 머신러닝

* 머신러닝의 3가지 종류 : Supervised Learning(지도 학습), Unsupervised Learning(비지도 학습), Reinforcement Learning

- Supervised Learning 지도 학습 : 정답이 있는 데이터를 활용해 데이터를 학습시키는 것. 입력 값(X data)이 주어지면 입력값에 대한 Label(Y data)를 주어 학습시킨다. Regression/Classification

- Unsupervised Learning 비지도 학습 : 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하는 방법. Clustering/Dim. Reduction

> 참고 https://ebbnflow.tistory.com/165

[인공지능] 지도학습, 비지도학습, 강화학습

# 머신 러닝 vs 딥 러닝

:  머신러닝은 특징 추출(Feature Extraction)을 개발자가 해야 하지만, 딥러닝은 자동으로 특징 추출을 한다는 것이다. 기존의 머신러닝에서는 학습하려는 데이터의 여러 특징 중 어떤 특징을 추출할지를 사람이 직접 분석하고 판단해야 했다. 하지만, 딥러닝에서는 기계가 학습하려는 데이터에서 자동으로 특징을 추출해 학습한다.

: 머신러닝은 인간이 데이터에 대한 결과 값을 미리 알려주어야 하고 목표치에 가까운 결과 값의 특징을 미리 정의해야 하지만 딥러닝은 인공 신경망을 이용하여 복잡하고 방대한 데이터로부터 결과값을 추출하는 원리로 작동한다.

 

* Feature란? 

머신러닝은 어떤 데이터를 분류하거나, 값을 예측(회귀)하는 것입니다. 이렇게 데이터의 값을 잘 예측하기 위한 데이터의 특징들을 머신러닝/딥러닝에서는 "Feature"라고 부르며, 지도, 비지도, 강화학습 모두 적절한 feature를 잘 정의해야한다.