01. 인공지능, 머신러닝, 딥러닝

1. 개념

딥러닝: 머신러닝의 여러 방법론 중에서 인공신경망을 여러 층 깊게 쌓아 올린 기법을 의미.

머신 러닝: 컴퓨터 공학의 주요 연구분야 중 하나로 데이터를 이용해서 컴퓨터가 어떤 지식이나 패턴을 학습하는 것.

인공 지능: 컴퓨터가 인간과 같은 지능적인 행동을 할 수 있게 해주는 기법들을 연구하는 학문.

- 머신 러닝을 제외한 다른 기법들은 데이터의 특징들을 연구자들이 알고리즘을 직접 만들어서 추출함.

 

딥러닝이 주목받게 된 이유

1. 기존 인공신경망 모델의 단점이 극복되었다.

2. 하드웨어의 발전.

3. 인터넷의 발전으로 빅데이터의 가능화.

---

2. 딥러닝의 장점과 단점

신경망을 깊게 쌓아 올림으로써 데이터의 특징을 단계별로 학습할 수 있다.

- input layer에 가까운 hidden layer는 선과 같은 저차원 특징을, output layer에 가까운 hidden layer에서는 눈,코,입과 같은 고차원 특징을 학습할 수 있다.

 

데이터를 충분히 확보하지 못한다면 원활한 학습을 진행해 나가지 못한다.

 

---

 3. 머신러닝 알고리즘의 종류

1. 지도학습(supervised Learning)

: 입력데이터와 그에 대한 정답 데이터의 한쌍을 이용해서 학습하는 알고리즘.

- 분류(classification): 예측하는 결과 값이 이산 값일 때.

- 회귀(Regression): 예측하는 결과 값이 연속적인 값일 때.

ex) CNN, RNN

 

2. 비지도 학습(unsupervised Learning)

: 정답 데이터 없이 오직 입력 데이터만을 가지고 학습하는 알고리즘.

- 데이터의 숨겨진 특징을 찾아내는 것에 목표를 두고 있다.

- 원본 데이터 대신 지도학습의 input data로 사용되어 지도학습의 성능을 더욱 끌어올리는데 사용할 수 있다.

ex) PCA(주성분 분석), 오토인코더

 

 

3. 강화 학습(Reinforcement Learning)

: 에이전트가 주어진 환경에서 어떤 행동을 취하고 이에 대한 보상을 받으면서 학습을 진행하는 것

- 보상을 최대화 할 수 있는 방향으로 행동을 취한다.

ex) Q-Learning, DQN

 

---

참고문헌: 솔라리스, 텐서플로로 배우는 딥러닝, 영진닷컴, 2018.

http://www.yes24.com/Product/Goods/66539232

텐서플로로 배우는 딥러닝