📣 정의
❗️인공지능(AI)
인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술
❗️머신러닝(Machine learning)
컴퓨터가 스스로 학습하여 AI 성능 Up
❗️딥러닝(Deep learning)
심층신경망. 인간의 뉴런과 비슷한 구조인 인공신경망을 통해 정보를 처리
🔮 머신러닝
기계가 학습하는 다음 3가지 방법
지도 학습 (Supervised Learning)
데이터에서 반복적으로 학습하는 알고리즘을 사용.
정답이 정해진 문제에서 학습! 즉 레이블된 데이터 세트를 사용하여 특정 작업을 수행하도록 알고리즘을 훈련시키는 방법이다.
ex) 고양이와 강아지를 구분하기, 이미지의 색상 맞추기, n년 후 부동산 시세 예측하기
데이터가 많은 경우에 효과적이다!
예측하는 데이터 값이 이산값(discrete) -> 분류(classification)
ex) 고양이와 강아지 구분하기, 0과 1중 무엇인지, 이미지 색상 맞추기
예측하는 데이터 값이 연속적(continuos) -> 회귀(regression)
ex) n년 후 부동산 시세 예측하기
비지도 학습 (Unsupervised learning)
정답(레이블)을 주지 않고 문제로만 학습시키는 방식
레이블을 고려하지 않고 데이터에 숨겨진 패턴, 특성, 구조를 파악한다.
ex) 연령, 성별, 영화의 종류를 학습시켰을 때 20대 남성은 액션 영화를 좋아하더라
주로 사용되는 구조는 오토인코더(Autoencoders, 입력된 데이터를 신경망에 통과시켜 똑같이 출력하는 기능), 클러스터링(Clustering, 예를 들어 동물 사진들을 모아놓고 고양이다 토끼다 군집화 시키는 것)
강화 학습(Reinforcement Learning)
머신러닝의 꽃이라는 강화학습.. 지도 학습과 비지도 학습이랑 개념이 사뭇 다르다.
에이전트(Agent)가 주어진 환경(state)에 대해 어떤 행동(action)을 취하고 이로부터 어떤 보상(reward)을 얻으면서 학습을 진행한다. 이 때 에이전트는 보장을 최대화(maximum)하도록 행동한다.
는게 강화 학습의 개념!
알파고도 강화 학습으로 탄생했다.
ex) 나(Agent)는 시험을 대비하는 상황에서(environment) 현재 상태(state)에서 많은 문제집을 풀어봐야(action) 높은 점수(reward)를 최대한으로 받을 수 있음을 알고 행동한다.
딥러닝이 나타나면서 자율주행, 인공지능 로봇 등에 활발하게 사용되고 있다.
강화학습의 대표적인 알고리즘은 Q-Learning과 딥러닝과 결합하여 Deep-Q-Network(DQN), A3C
🔮 딥러닝
뇌의 뉴런과 유사한 구조로 학습하는 기법.
아래 유튜브보면 쉽게 이해할 수 있다!
https://www.youtube.com/watch?v=XdP7kkEDkfM
📌 참조 사이트
https://www.tibco.com/ko/reference-center/what-is-supervised-learning
