딥러닝 개념

Deep Neural Network

• Deep은 상대적인 개념으로 Shallow와 반대되는 개념이다.
• Deep + Shallow = Neural Network = 뇌
• Neural = Neuron의 형용사형, 신경세포(뇌세포)

How They Are Different

AI / ML / Deep Neural Network

AI (인공지능)
├── RuleBasedAI
└── MachineLearning
    ├── SupervisedLearning
    ├── UnsupervisedLearning
    ├── ReinforcementLearning
    └── DeepLearning (머신러닝보다 사용빈도 수 매우 높음)

Big Data / AI

• Big Data
  • 데이터에 치중
  • 데이터를 다루고, 저장하고, 분석하는 것에 집중
• Machine Learning
  • data에서 유용한 패턴을 추출하거나 intelligent program을 어떻게 만들 것이냐에 집중

Some Types Of ML Problems 1 (문제의 종류들)

ML에서 90% 이상이 Classification과 Regression으로 구성되어 있다.

Classification

• Unknown Data → Cat or Dog? ⇒ N지 선다
• 사용 분야
  Voice/Face/Fingerprint/Iris/DNA/Signature recognition,
  Recommendation, Spam filter, Credit card fraud detection

Regression

• Unknown Data → “수치값” 예측, ex. 고양이 몸무게 예측
• 사용 분야
  Loan application analysis, Marketing, Stock market
  prediction

Clustering

• 사용분야
  Web-search, Document & information retrieval, Machine
  translation

Dimension Reduction

Classification

• Classification 문제에서는 Labeled Data가 무조건 필수적으로 주어진다.
• 나의 프로그램에서는 labels의 경계를 찾아야한다.
• 질문이 주어지면, 나의 프로그램에서는 label을 답해야한다.
• Classification의 과정

  데이터 수집 → 학습 → 추론(활용)

  1. Data Collect (labeled data)
     • 아래와 같이 Label 작업을 해주어야 한다.

    ```json
    (데이터, Label)
    (고양이 사진1, Cat)
    (강아지 사진1, Dog)
    (고양이 사진2, Cat)
    ...
    ```
    

  2. Training (학습 단계)
     • Deep Neural Network를 돌려서 Model을 생성한다.
     • 여기서 Model은 Cat, Dog Pattern을 알고 있다. ⇒ 즉 학습되어 있다.
     • 학습: Data Pattern을 모델이 외우는 것.
  3. Inference (추론 단계)
     • Unknown Data 입력 → model이 label 을 반환 해준다. (Cat or Dog )

Regression

• Classification과 구조가 동일하다.
• 차이점은 label 데이터가 이미지 등이 아닌 값인 것.

  (데이터, Label)
  (고양이1 몸무게, 40kg)
  (강아지1 몸무게, 30kg)
  (고양이2 몸무게, 10kg)
  ...

• Regression 문제에서는 Labeled Data가 무조건 필수적으로 주어진다.
  • (x, y) set (x: vetor, y: real number)
• Regression의 과정

  데이터 수집 → 학습 → 추론(활용)

Clustering

• Unlabeled data 가 주어진다.
• 내 프로그램은 데이터를 그룹화 한다.
• 질문이 주어지면, 질문이 어느 그룹에 속하는지 답변해주어야 한다.

Dimension Reduction

• Unlabeled data 가 주어진다.
• 내 프로그램은 정보의 손실을 줄이면 차원을 축소한다.

Supervised & Unsupervised Learning (ML 기법들)

Supervised Learning

• labeled dataset이 필요한 ML 알고리즘들
• 예시: Classification, Regression

Unsupervised Learning

• labeled dataset이 필요하지 않은 ML 알고리즘들
• 예시: Clustering, Dimension Reduction