🤖 AI 입문

인공지능(AI)의 정의

• AI(Aritificial Intelligence)
  • 알고리즘으로 데이터를 학습하여 모델을 만드는 기술
  • 알고리즘(머신러닝, 딥러닝)

• 알고리즘으로 데이터를 학습하여 판단이나 예측을 하는 기술 -> 스스로 규칙, 해답을 찾아낸다.

AI 용어 및 요소

• AI가 주목 받는 이유는?
  • 빅데이터 시대의 도래: 양질의 데이터 폭발적 증가
  • 컴퓨팅 기술의 발전: GPU, 클라우드 발전
  • Easy and Open: AI 기술 및 알고리즘 공유 문화

• 프레임워크: 텐서플로우, 케라스, 파이토치
• 프로그래밍 언어: 파이썬
• AI모델링 자동화 플랫폼: 삼성 브라이틱스, AIDU, Ai Suite
• 오픈소스 라이브러리: numpy(수치), pandas(테이블)

• AI 구현을 위한 3가지 요소: 알고리즘. 데이터, GPU

• 주목받는 알고리즘: 머신러닝과 딥러닝

• 인공지능 > 머신러닝 > 딥러닝
  • 인공지능: 계산, 학습 등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술
  • 머신러닝: 특정 부분을 스스로 학습해 성능을 향상
  • 딥러닝: 인간의 뉴런과 비슷한 인공신경망으로 정보를 처리

머신러닝

기계학습

• 지도학습: 정답의 방향으로 학습, 데이터가 많을수록 좋다
• 비지도학습: 특성을 분석해서 군집화, 정답 데이터 필요 없음
• 강화학습

지도학습

• 입력(feature, X)/출력(label, Y) 데이터로 학습

• 예측(Predict) = 분류(범주형), 회귀(수치형)

비지도 학습

• 학습할 데이터만 준다.

• 출력데이터(Label, Y, 정답) 없이 입력데이터만 주고 패턴으로 학습

• Clustering(군집화)를 할 수 있다.

• 군집화, 연관 => 상품추천, 특이사항, 탐지

강화학습

• 특정 행동을 시행하고, 상/벌에 따라 해야 할 행동을 학습

• 바둑, 게임, 자율주행자동차, 드론

딥러닝

• 머신러닝 알고리즘 중 하나의 방식이다.

• 뇌의 정보처리방식을 모사한 "인공신경망"과 유사하게 여러 층(Layer)으로 깊이있게(Deep) 구성하여 학습을 진행

• 중요한 Feature에 가중치(Weight)를 부여하여 학습

알고리즘 종류

1. DNN
   • Deep Neural Network
   • 입력층, 여러 개의 은닉층, 출력층으로 구성된 가장 일반적인 모형

2. CNN
   • Convolutional Neural Network, 합성곱신경망
   • 이미지의 지역별 Featuef를 뽑아서 학습하는 분야에 특화

3. RNN
   • Recurrenct Neural Network, 순환신경망
   • 자신의 출력을 다시 입력으로 활용
   • 순서가 있는 데이터 학습에 특화(시계열 예측, 문장 처리 등)

AI 핫 키워드

• NLP(자연어 처리)
• Computer Vision
• STT(Speech o Text), TTS(Text to Speech )