최근 개인적으로 많이 고민하고 느낀 부분은 앞으로 제 직업을 가지게 되는 분야가 생계를 위해서 혹은 대학교에서 공부하여 시간을 많이 투자했기 때문에 선택한 분야인지 아니면 제가 흥미를 갖게 되고 여기서 그칠 것이 아니라 해당 분야에 관한 노력과 투자를 통해 이 분야에 대해 앞으로 나아가 소비할 시간들을 제게 어떻게 느껴질 것인가에 대한 고민을 해보고 선택한 분야인지에 따라 앞으로 인생의 행복도의 큰 영향을 줄 것 같다고 생각했습니다.
약 7개월간의 학부 연구생 생활을 통해 비디오 코덱 공부를 진행하면서 컴퓨터 비전이라는 분야에 대해서 흥미를 느끼게 되었습니다.
말을 조리 있게 잘하는 편이아니라.. 간단하게 말하자면 취업에 대해서 쫓길 시기이더라도 흥미를 가지게 된 분야에 대해 더 공부를 해보는 시간을 통해 이유 있는 선택을 하고 싶었고, 때문에 연구실에서 나와 컴퓨터 비전과 딥러닝 공부를 시작하게 되었습니다.
머신러닝/딥러닝을 위한 강의를 찾던 도중 숭실대 박성호 교수님의 유튜브 NeoWizard 채널을 찾게 되었고 교수님께서 출처 게시 후 복습을 위한 게시물을 기재함을 허락해주셨습니다.
딥러닝 ⊂ 머신러닝 ⊂ 인공지능
이미지 출처 : http://wiki.sys4u.co.kr/pages/viewpage.action?pageId=7767201
인공지능 (Artificial Intelligence)
인간의 학습능력, 추론능력 등을 컴퓨터를 통해 구현하는 포괄적인 개념
머신러닝 (Machine Learning)
데이터를 이용
패턴을 학습
※ 데이터 마이닝 (Data Mining) : 데이터간의 상관관계나 속성을 찾는 것이 주목적
딥 러닝 (Deep Learning)
머신러닝의 한 분야로서
신경망(Neural Network)
머신러닝(Machine Learning)
간단하게 머신러닝의 개요를 살펴보자면 머신러닝은 학습 방법에 따라 다음과 같이 나눌 수 있습니다.
- 지도학습 (Supervised Learning)
- 비지도학습 (Unsupervised Learning)
- Supervised Learning
지도학습 (Supervised Learning)은 입력 값(x)과 정답(t, label)을 포함하는 Training Data를 이용하여 학습하고, 그 학습된 결과를 바탕으로 미지의 데이터 (Test Data)에 대해 미래 값을 예측하는 방법입니다.
지도학습은 학습 결과를 바탕으로, 미래의 무엇을 예측하냐에 따라 회귀(Regression), 분류(Classification) 등오로 구분할 수 있습니다.
- 회귀(Regression)은 Training Data를 이용하여 연속적인 (숫자) 값을 예측하는 것을 말하며, 집평수와 가격 관계, 공부시간과 시험성적 등의 관계임
- 분류(Classfication)은 Training Data를 이용하여 주어진 입력 값이 어떤 종류의 값인지 구별하는 것을 지칭합니다.
- Unsuperised Learning
비지도학습(Unsupervised Learning)은 트레이닝 데이터에 정답은 없고 입력 데이터만 있기 때문에, 입력에 대한 정답을 찾는 것이 아닌 입력데이터의 패턴, 특성 등을 통해 발견하는 방법을 말합니다.
출처 : 유튜브 NeoWizard 채널 머신러닝/딥러닝 강의
