💡본 게시글은 패스트캠퍼스 [혁펜하임의 AI DEEP DIVE] 체험단 활동을 위해 작성되었습니다
💡강의 링크 : https://bit.ly/3GV73FN
이 글에서는 흔히 혼동하기 쉬운 AI, ML, DL의 차이점을 살펴보려고 합니다. 처음 공부를 시작하실 때, 혼동하기 쉬운 개념인데요.
큰 맥락을 알고 공부에 임하시면 머릿 속에 정리가 더 잘되실거라고 생각합니다.
강의에서 강의 pdf를 제공하는데 강의 pdf를 활용하여 작성을 하려고 합니다.
AI vs ML vs DL
AI 큰 범주 안에 Machine Learning이 들어가고 Deep Learning이 들어갑니다.
Machine Learning과 Deep Learning의 차이점은 Machine Learning은 Data를 기반으로 학습을
하는 것이고, Deep Learning은 DNN (Deep Nerual Network)를 기반으로 학습을 하게 됩니다.
AI와 ML 사이에 있는 부분이 규칙 기반 알고리즘 (Rule-based Algorithm)이고, ML과 DL 사이에
있는 것이 Decision Tree, Linear Regression, Perceptron, Support Vector Machine이고,
DL에 흔히 유명한 알고리즘이 Convolution Neural Network, Recurrent Neural Network,
(Generative Adversarial Networks 이라고 합니다.
- 사이에 있다는 개념이 각 구분선 사이에서 쓰이는 알고리즘이라서 사이에 있다고 표현하신 것 같습니다.
규칙 기반
내가 열심히 학습하는 것
특징들을 규칙들로 만들어서 정보를 학습해서 정답을 도출하는 것
Machine Learning
여러 가지 강아지 사진(정답)들을 보여줘서 인식하게 함 (데이터의 정보를 알려줌)
그러면 컴퓨터가 제공된 데이터들을 기반으로 정보의 특성들을 인지하게 되고,
정답을 도출하게 됨
- 머신이 데이터간의 어떤 차이가 있는지 학습했기 때문
- 데이터가 많을수록 정확도가 높아짐
- NLP에선 억 대의 데이터를 입력으로 넣기도 함
Deep Learning
Deep Neural Network라는 인공신경망으로 학습을 진행함.
-
Machine Learning처럼 정답과 데이터를 머신에게 알려주는 것이 아니라
-
데이터만 입력을 해서, 머신이 알아서 데이터의 정보, 차이점 등 유의미한 정보를 학습하게 함.
내가 생각하는 강의의 특징
저는 현재 이 강의를 Chaper 2까지 수강했고, 그간의 느낀 점을 서술하고자 합니다.
장점
-
AI 개념을 상당히 수강자 친화적으로 설명
- AI에 처음 입문하는 분이 들으면 상당히 도움이 많이 될 것
-
어려운 개념을 먼저 추상적으로 이해시키고 깊은 개념으로 들어가는 설명
-
딥러닝에 관한 어느 정도 기반이 있다면 조금 디테일하게 정립 가능
단점
- AI, ML, DL과 관련된 깊은 원론적인 개념을 익히고자 한다면 약간 아쉬울 수 있음
