1. 인공지능 소개

• 인공지능이란?

  • 사람의 지능을 만들기 위한 시스템이나 프로그램을 통합하여 말하는 것

• 인공지능의 분류

강 인공지능	약 인공지능
사람과 구분이 안될 정도의 강한 성능을 가진 인공지능	특정 영억에서 작업을 수행하는 인공지능
ex) 영화 아이언맨, 터미네이터 등	ex) 인공지능 스피커, 시리, 자율주행 자동차 등

 

• 머신러닝이란?

  • 기계학습을 의미

일반적인 프로그래밍	머신 러닝
사람이 직접 정해진 규칙에 맞게 코딩	사람이 만든 프로그램을 컴퓨터가 규칙을 찾아 수정
사람이 직접 실행 후 규칙을 수정

 

• 머신 러닝의 종류

1. 지도학습
2. 비 지도 학습
3. 강화 학습

1. 지도 학습

• 입력과 타깃으로 모델을 훈련시킨다
  • 장기간의 기록(훈련 데이터)을 데이터 삼아 머신 러닝에 대입한다.
• 훈련 데이터를 사용한다.
  • 입력과 타깃으로 구성되어있다.
  • 모델을 훈련시키기 위해 사용하는 데이터를 통틀어 명명
  • 입력은 모델이 해결해야 할 문제와 같은 성질
  • 타깃은 모델이 맞춰야할 정답(결과물)
• 모델
  • 학습을 통해 만들어진 프로그램
  • 모델은 새로운 입력에 대한 예측을 만든다.
  • **모델은 학습을 통해 예측하는 프로그램이다.
• 특징
  • 훈련 데이터를 만드는 것이 가장 어렵다.
  • 훈련 데이터 준비에 가장 많은 시간이 소요된다.
  • 훈련 데이터의 갯수가 적을 경우 모델을 충분히 훈련 시킬 수 없다.
  • 잘못된 훈련 데이터의 경우 잘못된 모델이 탄생한다.

2. 비 지도 학습

 

• 타깃이 없는 데이터를 사용 한다.
• 그룹을 만들기 전까지는 정해진 규칙이 없어 몇개의 그룹이 생성될지 어떤 그룹이 만들어질지 알 수없다 => 타깃X

예인 군집 예시

 

3. 강화 학습

 

• 주어진 환경으로 부터 피드백을 받아 훈련한다.
  • 머신 러닝 알고리즘으로 에이전트라는 것을 훈련
  • 에이전트는 특정 환경에 최적화된 행동을 수행 후 수행에 대한 '보상'과 '현재 상태'를 받음
  • 에이전트의 목표는 '최대한 많은 보상'
  • 대표 알고리즘 : Q-러닝, SARSA, DQN 등
  • 대표  머신 : 딥 마인드, 알파고 등

• 딥 러닝

  • 인공 신경망으로 만들어진 모델(알고리즘)
  • 인공 신경망은 머신러닝 알고리즘의 하나로 복잡한 문제를 해결하기 위해 인공 신경망을 다양하게 쌓은 것을 딥러닝으로 명명
  • 딥 러닝은 머신 러닝이 처리하기 어려운 데이터를 좀 더 수월 하게 처리

인공 신경망

 

딥 러닝	머신 러닝
비 정형화된 데이터를 잘 해결	정형화된 데이터를 잘 해결
이미지, 음성, 텍스트등과 관련분야	데이터 베이스, 레코드 파일, 매출 전표 등