Deep Learning 개요

 

 

 

인공지능(AI): 기계가 사람의 지능을 모방하게 하는 기술. 규칙기반, 데이터 학습기반

 

데이터에서 패턴을 찾아서 무언가를 예측해야하는 것: 데이터 학습기반(컴퓨터)
규칙 기반 시스템은 사람이 수동으로 규칙을 정의하고, 데이터 기반 시스템(추론, 예측)은 데이터에서 패턴을 학습하는 방식으로 동작한다. 

 

머신러닝(Machine Learning)

: 데이터 학습 기반의 인공지능 분야

기계에게 어떻게 동작할지 일일이 코드로 입력하지 않고 데이터를 이용해 학습할 수 있도록 하는 알고리즘 기술을 개발하는 인공지능의 한 분야이다. 

 

딥러닝(Deep Learning)

: 인공신경망 알고리즘을 기반으로 하는 머신러닝의 한 분야. 비정형데이터에서 뛰어난 성능을 나타낸다. 

- 비정형 데이터

: 정해진 규칙 없이 저장되어 값의 의미나 특성을 쉽게 파악할 수 없는 데이터 ex. 텍스트, 영상, 음성데이터

- 정형 데이터

: table형태의 미리 정해 놓은 형식과 구조에 따라 저장되도록 구성된 데이터로 그 의미나 특성파악이 용이하다.

ex. 관계형 데이터베이스

 

 

기존 프로그래밍 방식과 머신러닝 방식의 차이

기존 프로그래밍 방식: 알고리즘을 사람이 생각한다.

머신러닝: 알고리즘에 데이터를 학습시켜 찾아낸다.

 

 

 

데이터 관련용어

Feature: 추론하기 위한 근거가 되는 값들을 표현하는 용어. 예측하거나 분류해야하는 데이터의 특성, 속성값을 말한다.

입력변수, 독립변수라고도 한다.

 

Label: 예측하거나 분류해야 하는 값들을 표현하는 용어. 출력변수, 종속변수, Target이라고도 한다. 

 

 

 

 

전통적 기계학습(Machine Learning) process

: 좋은 입력을 해야 좋은 output이 나온다. 

 

 

 

딥러닝 process

: 특징 추출하는 모델을 안에 다가 넣어서 다 학습시켜야한다. (많은 데이터가 있어야한다.)