1-1. 인공지능, 머신 러닝과 딥러닝

인공지능/머신러닝/딥러닝

머신러닝 vs 딥러닝

• 머신러닝
  • 주어진 데이터를 인간이 먼저 처리해야 함 → 전처리
  • 범용적 목적 ⇒ 데이터의 특징을 스스로 추출하지는 못함
  • 각 데이터 특성을 컴퓨터에 인식/학습시켜 문제를 해결
• 딥러닝
  • 대량의 데이터를 신경망에 적용하면 컴퓨터가 스스로 분석 후 답을 찾음

1-2. 머신 러닝이란

• 인공지능의 한 분야로, 컴퓨터 스스로 대용량 데이터에서 지식/패턴을 찾아 학습하고 예측을 수행하는 것

  ⇒ 컴퓨터가 학습할 수 있게 하는 알고리즘 기술을 개발하는 분야

1-2-1. 머신 러닝 학습 과정

• 학습 단계(learning)
  • 훈련 데이터를 머신 러닝 알고리즘에 적용하여 학습시킴
  • 해당 학습 결과로 모형 생성
• 예측 단계(prediction)
  • 학습 단계에서 생성된 모형에 새로운 데이터를 적용하여 결과 예측

<aside> 🌠 머신 러닝의 주요 구성 요소는 데이터와 **모델(모형)**임

</aside>

• 데이터
  • 머신 러닝이 학습 모델을 만드는 데 사용하는 것
  • 실제 데이터의 특징을 잘 반영할 수 있고 편향되지 않는 훈련 데이터를 확보하는 것이 중요
• 모델
  • 머신 러닝의 학습 단계에서 얻은 최종 결과물(가설)
  • 학습 절차
    1. 모델(or 가설) 선택
    2. 모델 학습 및 평가
    3. 평가를 바탕으로 모델 업데이트
  • 최종적으로 완성된 모델(모형)을 해결하고자 하는 문제에 적용 → 분류/예측 결과 도출

1-2-2. 머신 러닝 학습 알고리즘

지도 학습

• 정답이 무엇인지 컴퓨터에게 알려 주고 학습시키는 방법