AI
: 스스로 생각하고 판단하는 컴퓨터
- 문제의 본질을 파악하는 능력
- 데이터를 만드는 능력
인공지능>>머신러닝>>딥러닝
인공지능
: 인간의 지적능력(추론, 인지)를 구현하는 모든 기술
머신러닝
: 알고리즘으로 데이터를 분석, 학습하여 판단이나 예측을 하는 기술
선형회귀, 로지스틱 회귀, K-최근접 이웃, 결정트리, 랜덤포레스트, 서포트 벡터 머신
딥러닝
: 인공신경망 알고리즘(neural network)을 활용하는 머신러닝 기술
DNN, CNN, RNN, 강화학습
AI학습원리
데이터 특징 파악하고 규칙만들기
머신러닝과 딥러닝의 AI학습방법은 3가지로 나눈다.
지도학습
: 정답지로 학습-> 분류, 예측
비지도학습
: 정답없이 학습-> 군집, 특성 도출
강화학습
: 시뮬레이션 반복 학습, 성능 강화 등에 사용
AI모델 구성요소
데이터
모델링
IDE
python -> numpy, pandas, matplotlib, seaborn, scikitslearn, tensorflow
AI모델 목표
모델에 입력값을 넣었을 때의 출력값이 최대한 정답과 일치하게 하는 것
비용함수
: 출력값과 정답과의 차이를 cost,loss,error라고 한다.
optimizer
: cost function나온 cost를 최소로 줄이기 위해 모델의 파라미터(w, b)를 업데이트하면서 최적 모델 생성
- 목표: 정답과 예측값 일치
- 모델의 비용함수 구하기
- 비용함수 최소화
- 최적화 알고리즘 이용
AI 모델링 순서
- 데이터 수집
- 데이터 정리(결측치 데이터, 이상 데이터)
- 모델학습
- 모델 테스트
- 모델 배포
Hello