인공지능 vs 머신러닝 vs 딥러닝
- 머신러닝, 딥러닝은 인공지능에 포함된다.
- 인공지능은 사람을 흉내낼 수 있는 기술, 알고리즘을 모두 포함한다.
- 머신러닝은 전문가가 준 데이터를 기계가 학습하는 것
- 사람, 데이터, 기계, 학습 필요
- 기계가 학습할 수 있도록 알고리즘을 짜는 것
- 통계, 작은 기계
- 딥러닝은 신경망(neural network) 구조를 가진 기계가 학습하는 것
- 큰 기계
용어
- 머신 : 인간이 제공한 데이터에 존재하는 관계를 표현할 수 있는 모델(함수)
- 학습 : 데이터를 가장 잘 표현할 수 있는 모델을 찾는 것(모델의 파라미터 최적화)
지도학습 vs 비지도학습 vs 강화학습
- 지도학습 : 정답지가 존재, 정답지를 기준으로 데이터 분류
- 비지도학습 : 정답지가 존재 x,
- 데이터가 들어왔을 때 클러스터링(군집화), 차원축소 등을 통해 분류
- 강화학습
- state - 상태, reward - 보상
- state에서 state를 이동할 때 보상이 주어지게된다.
- 그 보상의 크기에 따라서 학습이 이루어지는 방식
- ex) 알파고
머신러닝과 딥러닝의 장단점
- 머신러닝의 경우 상대적으로 데이터가 적고, 작은 연산으로도 수행할 수 있다.
- 딥러닝의 경우 다중 신경망으로 구성되어 있어, 모델의 크기가 굉장히 크고 파라미터도 다양해 많은 연산을 수행해야 한다.
- 데이터가 적은 경우 머신러닝이 딥러닝 보다 더 성능이 좋을 가능성도 있다.
신입 웹개발자입니다.