[ 2차시 ]

인공지능의 정의

인공지능은 명시적인 프로그래밍 없이 컴퓨터가 스스로 학습할 수 있는 학문입니다.

지도학습

지도학습은 이미 정답인 레이블(Label)이 있는 데이터를 이용하여 학습하는 방법입니다. 훈련 데이터와 레이블(Label)을 활용하여 모델을 학습시킵니다. 지도학습에는 분류(Classification)와 회귀분석(Regression)이 포함됩니다.

• 분류: 문제와 정답이 정확히 인간이 정해놓은 대로 딱 맞아 떨어지는 경우를 다룹니다.
• 회귀분석: 문제와 답이 정확히 존재하지 않지만, 문제와 답의 관계와 인과성을 지닌 연속적인 수치로 나타나는 데이터셋을 사용하여 학습합니다.

비지도 학습

비지도 학습은 라벨이 없는 데이터를 군집화하여 새로운 데이터에 대한 결과를 예측하는 방법입니다. 데이터의 구조나 패턴을 스스로 발견하여 학습합니다.

• 군집(Clustering): 데이터들을 유사한 특징을 가진 그룹으로 나누는 방법입니다.
• 유사도 함수: 데이터 간의 유사도를 측정하기 위해 사용되는 함수입니다.

지도학습과 비지도학습의 차이점

• 지도학습: 이미 정답인 레이블(Label)이 있는 데이터를 이용하여 학습하는 방법입니다. 분류(Classification)나 회귀(Regression) 문제를 해결하는 데 사용됩니다. 학습 데이터와 라벨(Label)이 함께 제공되며, 컴퓨터는 이를 이용하여 미래의 데이터에 대한 예측을 수행합니다.

• 비지도학습: 정답 데이터가 없는 데이터를 이용하여 학습하는 방법입니다. 주로 군집(Clustering)이나 차원 축소(Dimensionality Reduction) 문제를 해결하는 데 사용됩니다. 학습 데이터에는 라벨(Label)이 없으며, 컴퓨터는 데이터의 특징을 스스로 파악하여 패턴이나 구조를 발견합니다.

딥러닝

딥러닝은 다층 인공신경망을 활용하여 학습되는 기술입니다. 다층 인공신경망은 입력층, 은닉층, 출력층으로 구성되어 있습니다.

• 입력층(Input Layer): 데이터를 입력받는 부분입니다. 입력층은 딥러닝 모델에 데이터를 주입하는 역할을 합니다.

• 은닉층(Hidden Layer): 입력층에서 받은 데이터를 처리하고 가중치를 계산하는 부분입니다. 은닉층은 여러 개의 층으로 구성될 수 있으며, 각 은닉층은 이전 은닉층의 결과를 바탕으로 계산을 수행합니다. 은닉층은 복잡한 패턴과 특징을 학습하기 위한 중요한 부분입니다.

• 출력층(Output Layer): 은닉층에서 계산된 결과를 출력하는 부분입니다. 출력층은 딥러닝 모델의 최종 결과를 제공합니다. 예를 들어, 이미지 분류 모델에서 출력층은 각각의 이미지 클래스에 대한 확률을 출력할 수 있습니다.

이렇게 구성된 인공신경망을 통해 딥러닝 모델은 학습됩니다. 모델은 입력층에서 데이터를 받아 은닉층을 거쳐 출력층으로 결과를 내놓습니다. 딥러닝 모델은 데이터의 다양한 패턴을 학습하고 인식하여 분류할 수 있는 강력한 능력을 갖추고 있습니다.

비지도 학습의 군집과 유사도 함수

비지도 학습에서 사용되는 군집(Clustering)은 데이터를 비슷한 특징을 가진 그룹으로 나누는 작업을 의미합니다. 유사도 함수를 이용하여 데이터 간의 거리나 유사도를 측정하고, 이를 기반으로 군집을 형성합니다. 예를 들어, 고객 데이터를 군집화하여 비슷한 구매 패턴을 가진 고객들끼리 그룹으로 묶어서 마케팅 전략을 수립하는 등의 활용이 가능합니다.

회귀분석

회귀분석은 독립변수와 종속변수 사이의 관계를 분석하는 통계적 방법입니다. 회귀분석은 지도학습의 일종으로, 독립변수와 종속변수 사이의 관계를 나타내는 선형 방정식을 찾아내어 새로운 독립변수 값에 대한 종속변수 값을 예측하는 데 사용됩니다.