B-Hanbit |Python |Day. 268 |
한 번에 끝내는 딥러닝/인공지능 초격차 패키지 Online

[이론 학습 // Day. 268]

ML 기초 / CH01_01. AI vs 머신러닝 vs 딥러닝

#460DaysOfCode _ 202212220

해당 게시물은 'fastcampus'에서 운영하는 온라인 강의를 직접 구매하여 작성되었습니다.

'한 번에 끝내는 딥러닝/인공지능 초격차 패키지 Online'을 기반으로 작성되었습니다.

학습 후, 학습한 내용을 토대로 개인적으로 작성된 단순 학습 결과물임을 알려드립니다.

해당 MOOK에서 제공되는 자료는 일절 포함되어있지 않습니다. 

문제 시 연락바랍니다.

#460DaysOfCode #Day268

[268일 차 학습]

[Part5. 딥러닝 기초 알고리즘 및 최신 트렌드 알고리즘]

[ML 기초]

[CH01_01. AI vs 머신러닝 vs 딥러닝]

- AI(Artificial  Intelligence, 인공지능)

; 지식 기반 혹은 룰 기반 등 모든 시스템을 포함하여 뜻함.

ㄴ 오토매티드 플래닝 알고리즘

> 네이버 지식백과 : 인간의 인지·추론·판단 등의 능력을 컴퓨터로 구현하기 위한 기술 혹은 그 연구 분야.

- 머신 러닝(Machine Learning, 기계 학습)

; 데이터의 피쳐 사이의 패턴이나 상관 관계를 뽑아내어 정확하게 프로그래밍 되지 않아도 학습 가능한 능력.

ㄴ 회귀분석(로지스틱 레그리션)

    

    - 핸드크래프트 피쳐 엔지니어링(피쳐가공 프로세스) 과정을 거침.

        클래스 파이어에 들어가는 인풋을 잘 가공해서 넣어야함.

> 네이버 지식백과 : 인공지능의 연구 분야 중 하나로, 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법이다.

- 표현 학습(Representation Learning)

; 피쳐 대신 표현을 학습. 은닉층이 하나이기 때문에 주어진 데이터 상황에 따라 유동적으로 변할 수 있고 결과에 따라 후 처리를 동반할 수 있는 한계가 존재함.

ㄴ 한계 뉴럴 네트워크

> 네이버 지식백과 : 특징을 자동으로 추출할 수 있도록 학습하는 과정이다.

- 딥러닝(Deep Learning, 깊은 학습)

; 복잡한 표현이 단순한 표현으로 변환하여 문제를 풀며, 2층 이상의 신경망인 깊은 신경망으로 구현된 알고리즘. 기계 학습 내부의 포함된 개념. 훨씬더 많은 분류기에 대하여 표현이 가능해짐.

+ 이해를 위해서는 인공신경망과 표현학습의 개념을 알아야 함.

ㄴ 표현 학습 중에서 여러 개의 은닉층을 가진 것

    - 핸드크래프트 피쳐 엔지니어링을 신경망에 맡김.(반환작업을 신경망이 진행)(표현 학습과 분류를 동시진행, 작업생략가능)

        ㄴ CNN

> 네이버 지식백과 : 다층구조 형태의 신경망을 기반으로 하는 머신 러닝의 한 분야로, 다량의 데이터로부터 높은 수준의 추상화 모델을 구축하고자 하는 기법이다.

도식화 하면, 크게 다음과 같은 구성임을 알 수 있다.

AI > 머신러닝 > 표현학습 > 딥러닝

엔비디아 블로그 설명 이미지참고

- 인공 신경망(Artificial Neural Network, ANN)

    01. 생물학적 뉴런(신경세포)를 모방한 인공뉴런.

    02. 1950년대 후반에 프랭크 로젠블라트가, 선형분류기의 한 종류인 퍼셉트론을 고안하여 세상에 알려짐.

    03. 하지만, 단순신경망으로는 성능이 타 머신러닝 알고리즘에 비해 낮아서 1980~2005년까지는 비주류 머신러닝알고리즘이었음. 

    04. 단순 단층 신경망은 선형 문제만 풀 수 있다는 한계 존재.(선형 분리, 비선형 분리, 다중선형 분리)

    05. 선형 모델의 한계를 극복하기 위해 표현 학습이 나옴. 

        은닉층을 만들고, 비선형 변환활성 함수를 레이어 사이에 넣어 비선형으로 변형시키어 좌표계를 변환하는 구조.

        ㄴ 표현 학습이 나온 유래