AI Model

AI의 번주는 ML, DL, RL 등으로 나뉠 수 있다. 각 Learning 에서의 모델과 특징을 알아보자.

기계 학습(ML)

기계 학습은 데이터에서 패턴을 학습하여 예측하거나 결정을 내리는 알고리즘과 모델을 개발하는 분야입니다.

1. 선형 회귀(Linear Regression)

   • 모델: 입력 변수와 출력 변수 간의 선형 관계를 모델링합니다.
   • 특징: 예측 변수와 종속 변수 사이의 관계를 단순하게 나타낼 수 있습니다.

2. 로지스틱 회귀(Logistic Regression)

   • 모델: 이진 분류 문제를 해결하는 데 사용됩니다.
   • 특징: 출력이 0과 1 사이의 값으로 나타나는 시그모이드 함수를 사용합니다.

3. 의사 결정 나무(Decision Tree)

   • 모델: 데이터를 분할하여 의사 결정을 내리는 트리 구조를 사용합니다.
   • 특징: 해석이 쉽고 직관적입니다.

4. 랜덤 포레스트(Random Forest)

   • 모델: 여러 의사 결정 나무를 앙상블하여 예측을 개선합니다.
   • 특징: 높은 정확성과 과적합 방지 기능이 있습니다.

5. 서포트 벡터 머신(Support Vector Machine, SVM)

   • 모델: 최적의 초평면을 찾아 분류합니다.
   • 특징: 고차원 데이터에서도 효과적으로 작동합니다.

딥러닝(DL)

딥러닝은 인공 신경망을 사용하여 데이터에서 복잡한 패턴을 학습하는 기계 학습의 하위 분야입니다.

1. 인공 신경망(Artificial Neural Network, ANN)

   • 모델: 입력 계층, 은닉 계층, 출력 계층으로 구성된 노드들의 네트워크입니다.
   • 특징: 기본적인 딥러닝 모델로, 여러 은닉 계층을 통해 복잡한 패턴을 학습할 수 있습니다.

2. 합성곱 신경망(Convolutional Neural Network, CNN)

   • 모델: 이미지 및 비전 관련 작업에 주로 사용됩니다.
   • 특징: 합성곱 계층과 풀링 계층을 사용하여 공간적 계층 구조를 학습합니다.

3. 순환 신경망(Recurrent Neural Network, RNN)

   • 모델: 시계열 데이터나 순차적 데이터를 처리하는 데 적합합니다.
   • 특징: 이전 단계의 출력을 현재 단계의 입력으로 사용하는 순환 구조를 가집니다.

4. 장단기 메모리(LSTM, Long Short-Term Memory)

   • 모델: RNN의 변형으로, 장기 의존성을 학습하는 데 효과적입니다.
   • 특징: 게이트 메커니즘을 통해 정보의 흐름을 제어합니다.

5. 변환기(Transformer)

   • 모델: 자연어 처리(NLP) 및 기타 순차적 데이터 작업에서 사용됩니다.
   • 특징: 셀프 어텐션 메커니즘을 사용하여 문맥 정보를 효과적으로 학습합니다.

강화 학습(RL)

강화 학습은 에이전트가 환경과 상호작용하면서 보상을 최대화하는 행동을 학습하는 분야입니다.

1. Q-러닝(Q-Learning)

   • 모델: 상태-행동 쌍에 대한 가치를 학습하여 최적의 정책을 찾습니다.
   • 특징: 모델 기반이 아닌 오프폴리시(off-policy) 학습 방법입니다.

2. 딥 Q-네트워크(Deep Q-Network, DQN)

   • 모델: Q-러닝에 심층 신경망을 적용하여 복잡한 상태 공간을 처리합니다.
   • 특징: Atari 게임 등에서 성공적으로 적용되었습니다.

3. 정책 경사법(Policy Gradient Methods)

   • 모델: 직접 정책을 학습하여 최적의 행동을 선택합니다.
   • 특징: 연속적인 행동 공간에서도 효과적으로 작동합니다.

4. PPO(Proximal Policy Optimization)

   • 모델: 정책 경사법의 변형으로, 안정적이고 효율적인 정책 업데이트를 제공합니다.
   • 특징: 높은 샘플 효율성과 안정성을 가집니다.

5. A3C(Asynchronous Advantage Actor-Critic)

   • 모델: 여러 에이전트가 병렬로 환경을 탐험하면서 학습합니다.
   • 특징: 빠른 학습 속도와 높은 성능을 보입니다.

이러한 AI 모델들은 목적에 따라 선택하여 사용하는 것이 좋다. 각 모델의 장담점, 특성, 활용 등을 고려하여 취사선택이 필요하다.