[Do it 딥러닝 입문] 01장

인공지능

: 사람의 지능을 만들기 위한 시스템이나 프로그램

• 강인공지능 : 사람과 구분이 안 될 정도로 강한 성능을 가진 인공지능
• 약인공지능 : 특정 영역에서 작업을 수행하는 인공지능

인공지능>머신러닝>딥러닝

머신러닝

학습(훈련)

: 데이터의 규칙을 컴퓨터 스스로 찾아내는 것 

• 지도학습 : 기존의 데이터를 통해 모델을 학습시키고, 학습시킨 모델로 새로운 입력에 대해 예측

  • 입력과 타깃으로 구성된 훈련 데이터를 사용
  • 잘못된 입력과 타깃을 훈련 데이터에 포함시키면 잘못된 모델이 만들어질 수 있음
  • 데이터가 많아야 함 (데이터가 너무 적으면 모델을 충분히 훈련시킬 수 없음)

• 비지도학습

  • 입력만으로 구성된 훈련 데이터 사용, 타깃이 없는 데이터
  • 예측하는 모델은 만들 수 없음, 군집(clusting)을 만드는 모델이 주
  • 훈련 데이터에 타깃이 없어 모델의 훈련 경과를 평가하기 어려움

• 규칙 : 가중치(입력과 곱하는 수)+절편(더하는 수)

• 모델 : 머신러닝의 수학적 표현, 훈련 데이터로 학습된 머신러닝 알고리즘

• 손실함수(비용함수, cost function)

  • 타깃과 예측의 차이를 계산, 모델의 규칙을 수정하는 기준이 되는 함수
  • 최적화 알고리즘을 사용하여 손실 함수를 최소화 하는것이 목적

딥러닝

: 복잡한 문제를 해결하기 위해 인공신경망을 다양하게 쌓은 것, 인공신경망을 여러 겹으로 쌓음

• 보통 ‘인지’와 관련된 문제를 잘 해결함 (ex>이미지,음성,텍스트 분야의 문제들)
  • cf.머신러닝 → 정형화된 데이터에 대한 문제들을 잘 해결함