매트랩으로 배우는 인공지능 - 1 | 인공지능, 머신러닝, 딥러닝

학교에서 인공지능 수업을 듣고 있는데 개인적으로는 범용성이 높은 파이썬을 이용했으면 좋겠는데 아쉽게도 매트랩을 사용해서 수업을 한다고 한다..

 

졸업하면 매트랩 쓸 일 없을 것 같은데.... 라이센스 비용이 억을 넘어간다나 뭐라나

매트랩 쓰는 기업에 취직하면 일단 월급걱정은 없을듯 ㅋㅋ

 

아무튼 공부를 위해 블로그에 정리, 기록해두고자 함.

개념만 잘 알면 나중에 툴을 바꾸는건 할만하니까

 

-----

 

[인공지능을 들어가기 앞서 기본 개념 정리!]

 

인공지능을 검색하면 항상 같이 엮여나오는 단어들이 있다.

머신러닝(기계학습), 딥러닝, 빅데이터 등등. 온갖 뉴스들에서 인공지능이니 빅데이터니 하면서 많이 들어는 보았지만 뭔지 설명해 보라 하면 명확하게 설명하기는 난감했던 용어들.. 이참에 한번 정리하고 가보자

 

#1. 인공지능(Artificial Intelligence)?

인공 + 지능.

사람이 인공적으로 만들어낸 지능. 프로그램이 인간처럼 생각, 판단하도록 연구하는 분야이다. 

 

AI는 General AI와 Narrow AI로 구분된다.

 

* General AI: sf 영화속에서 보던 AI 로봇. 사람처럼 행동하고, 판단한다. 자아를 가졌을지도?

* Narrow AI: 잘하는거 딱 하나만 할 줄 안다. 원툴 (얼굴인식, 자율주행 등..) 

 

현재 시중에 공개되고, 또 활발히 연구중인 분야는 대부분 Narrow AI이다.

General AI가 상용화되서 터미네이터가 거리를 활보할 날은 아직은 까마득해 보인다.. 휴!

 

#2. 기계학습 (Machine Learning) 이란?

 

머신러닝은 인공지능을 구현하기 위한 수단이다.

프로그램이 특정 작업을 하는데 있어서 경험을 통해 학습하고 성능을 향상시키는 것이다.

 

(여기서 경험을 통해 학습한다는 것은 대량의 데이터를 때려박아서 학습한다는 것을 의미한다.)

 

머신러닝은 세가지 학습 방법이 있다

 

1. 지도학습 (Supervised Learning)

- "정답"이 있고 그 답을 맞추는 것에 목적

- 프로그램에 수많은 문제와 그 문제의 답을 가르쳐주면서 학습시킨다

- 결과를 예측하기 위한 모델을 만드는 것에 초점.

- 우리가 일반적으로 생각하는 학습방법

 

분류(Classification): 몇 가지 옵션 중 선택 (스팸메일 Y/N, 사물인식, 암 발병 예측 등..) - SVM, k-NN 등

회귀(Regression): 결과값이 무수히 많고 연속적 (집값 예측, 가격 예측) - Decision Tree, 앙상블 등

지도학습으로 질병 예측하기 (Classification)

2. 비지도 학습 (Unsupervised Learning)

- "정답"이 없고, 데이터를 군집화 하는 것에 목적(클러스터링).

- 군집간의 특징, 패턴을 찾아내는데 사용.

- 군집의 기준은 프로그램이 스스로 정한다

- 군집에 맞는 상품 추천 알고리즘, 음악 추천 알고리즘 등에 활용

- 분류기: k-means, Gaussian mixture, Hierarchical 등..

비지도 학습

3. 강화학습 (Reinforcement Learning)

- 시뮬레이션을 반복하여 최적의 행동을 학습한다.

- 그 유명한 "알파고"가 강화학습으로 훈련했다 카더라..

 

 

1학기때 정리좀 해놓을걸..

지금 다시 보려니까 이해 하나도 안된다 ㅎㅎ..

 

#3. 딥 러닝(Deep Learning) 이란?

머신 러닝을 달성하기 위한 기법 중 하나. (특히 지도학습 분류모델)

어디선가 들어본 뉴럴 네트워크가 여기서 등장한다. 마치 사람의 뇌처럼 동작하는 알고리즘.

 

머신러닝과 가장 비교되는 특징은,

머신러닝은 데이터의 특징(Feature)을 따로따로 입력시켜줘서 학습시켜야 하지만

딥러닝은 자기가 스스로 특징을 찾아내서 학습한다는 점에 있다 (Automatic feature detection)

 

CNN(Convolution Neural Network)이 여기서 등장한다.

 

(학부수준에서도 배울 수 있긴 하지만 AI 분야로 취업하려면 대학원 석사는 기본으로 생각해야 한다 카더라..)

 

https://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/

 

참고 많이 했습니다. 굳 :D

https://www.youtube.com/watch?v=arbbhHyRP90 

 

<<3줄 요약>>

인공지능: 프로그램이 인간처럼 생각, 판단하도록 연구하는 분야 

머신러닝: 인공지능을 구현하기 위한 수단으로 지도학습, 비지도학습, 강화학습이 있다.

딥러닝: 머신러닝 기법중 하나 (뉴럴 네트워크)

 

 

 

+ 빅데이터: 엄청나게 많은 양의 데이터를 다루는 분야 (보관/처리/분석)

+ 데이터 사이언스: 다양한 데이터로부터 지식과 인사이트를 추출하는데 과학적 방법론, 프로세스, 알고리즘, 시스템을 동원하는 융합분야 <위키피디아>

- 대표적인 툴: Jupiter Notebook

 

예전에 인터넷으로 주피터 노트북 강의를 좀 맛본적이 있는데 빅데이터를 다루는건 코딩보다는 그래프를 보고 합리적인 판단, 미래에 대한 방향성을 제시할 수 있는지에 대한 능력이 훨씬 더 중요해보임..

통계학과 그런쪽 나온사람이 잘할듯. 재미는 있는데 나랑은 좀 안맞을 것 같애...

 

 

 

 

 

예전에 필기해놨던거 찾아보느라 생각보다 시간 너무 오래걸렸다

미리미리 좀 할걸