[딥러닝 1단계] 1. 개념

강의

인공지능 vs 머신러닝 vs 딥러닝

---

• 인공지능 ⊃ 머신러닝 ⊃ 딥러닝

• 정의
  • 인공지능 : 인간의 지적 능력을 컴퓨터에서 구현하는 기술
  • 머신러닝 : 컴퓨터를 인간처럼 학습시킴으로써 인간의 도움 없이 컴퓨터가 스스로 새로운 규칙을 생성할 수 있지 않을까 하는 발상으로부터 시작 / 데이터에서 패턴을 스스로 찾아내고 이를 기반으로 다른 데이터가 주어졌을 때 예측하는 기술
  • 딥러닝 : 신경망을 이용한 머신러닝 방법 / 신경망을 학습시키는 것

• 참고자료

머신러닝

---

• 종류
  • 지도 학습 (Supervised Learning)
  • 비지도 학습 (Unsupervised Learning)
  • 강화 학습 (Reinforcement Learning)

지도 학습

• label(정답)이 붙은 데이터로 학습하는 것

비지도 학습

• label이 없는 데이터로 학습하는 것
• 종류 : 군집화

강화 학습

• 차이점 :
  • 지도 학습/비지도 학습 → 데이터가 주어진 상태 + 변화가 없는 정적인 환경에서 학습
  • 강화 학습 → 어떤 환경 안에서 정의된 주체(agent)가 현재의 상태(state)를 관찰하여 선택할 수 있는 행동(action)들 중에서 가장 최대의 보상(reward)을 가져다주는 행동이 무엇인지를 학습

딥러닝

---

• 정의
  • 딥러닝 : 신경망을 학습시키는 것
  • 신경망 : 뉴런이 복잡하게 연결된 신경망을 컴퓨터에서 인공적으로 구현한 것 / 입력(x)와 출력(y)를 매칭해주는 함수를 찾는 과정
  • 뉴런 = 퍼셉트론 : 신경망의 기본 단위

신경망

• 용어
  • 신경망
    = 인공신경망
    = ANN (Artificial Neural Network)
• 종류 : (아래 모두 지도학습으로 학습시킬 수 있음.)

  Standard NN	~ Neural Network
  CNN	합성곱 신경망 Convolutional Neural Network	이미지
  RNN	순환 신경망 Recurrent Neural Network	오디오, 언어 (1차원 시퀀스 데이터)
  Custom/Hybrid 신경망

• 간단한 구조
  
  • Output Layer
    • 노란 형광펜 (X)
    • 파란 형광펜 (O)
  • Layer 수 셀 때 → Input Layer는 빼고 셈.
    • Input Layer만
      node로 표현하지도 않고,
      w, b도 없음.

데이터

---

• 종류
  • 정형 데이터 (Structured data) : 각 데이터의 feature을 표 형태로 나타낼 수 있는 데이터
  • 비정형 데이터 (Un~ data) : 나머지. ex) 이미지, 텍스트, 오디오