서론
저번 달에 ‘비전공자도 쉽게 배우는 인공지능’ 이란 주제로 글을 작성한 jaeseule입니다. 사실 바로바로 다음 단계도 작성하려고 했으나,, 귀차니즘으로 인해 지금 작성하게 됩니다.. 죄송합니다 
제가 Model 편을 올렸었는데 그건 앞으로 차차 배울 예정이니 이게 뭐지..? 하고 지레 겁먹지 않으셔도 됩니다! 나중에 가서는 이런 모델에는 이런 장점들이 있구나 생각할 날이 오실 거에요 !! 앞으로는 인공지능에 대한 기본 개념과, 기초 지식들을 간단히 소개하겠습니다.
제가 Model 편을 올렸었는데 그건 앞으로 차차 배울 예정이니 이게 뭐지..? 하고 지레 겁먹지 않으셔도 됩니다! 나중에 가서는 이런 모델에는 이런 장점들이 있구나 생각할 날이 오실 거에요 !! 앞으로는 인공지능에 대한 기본 개념과, 기초 지식들을 간단히 소개하겠습니다.목차
설명
인공지능이란 ?
머신 러닝(기계학습)이란 ?
•
머신 러닝이란 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 뜻함.
어떠한 작업에 대해 꾸준한 경험(학습)을 통해 작업의 성능을 높히는 것을 기계학습이라고 한다. -TOM M. MITCHELL, CARNEGIE MELLON UNIVERSITY
•
머신 러닝은 대용량 데이터의 분석이나 패턴을 찾는데 사용함.
•
머신 러닝은 인공지능 속에 포함된 개념이며, 여러 인공지능 분야 중 데이터를 통한 학습에 치중되어 있음.
•
머신 러닝은 학습하려는 문제의 유형에 따라 3가지로 분류됨.
◦
지도 학습 (Supervised Learning)
▪
회귀 (Regression) → 우리가 Tensorflow Tutorial을 통해 공부할 것
▪
분류 (Classification)
◦
비지도 학습 (Unsupervised Learning)
▪
군집화 (Clustering)
▪
분포 추정
◦
강화학습 (Reinforcement Learning)
딥 러닝이란 ?
•
딥 러닝은 머신 러닝의 여러가지 방법론 중, 신경망(Neural Network)를 사용하는 방법론을 일컬음.
•
딥 러닝의 사용 이유
◦
여러가지 장점이 있지만 가장 큰 이유는 데이터에 맞게 모델을 커스텀하여 더 정확하고 빠르게 결과를 도출할 수 있기 때문.
◦
장점 (출처 : 위 사이트 중 ‘Deep Learning 101’ 블로그)
▪
특징 간의 복잡한 상호작용을 탐지하는 능력
▪
최소한으로 처리된 원시 데이터에서 저수준의 특징을 학습하는 능력
▪
높은 기수(high-cardinality) 클래스 멤버십을 다루는 능력
•
여기서 cardinality란 중복 수치를 말하며, 중복도가 낮으면 cardinality가 높다.
•
나도 정확히는 모르지만, 아마 중복되지 않는 값 들에 대한 처리 능력이 좋다는 뜻 같다.
▪
미분류(unlabeled) 데이터를 다루는 능력
마치며
제가 저번 달에 Intro와 함께 Model 편을 함께 올려 많이 혼란스러우셨을 것 같습니다,,, “어 분명히 비전공자도 쉽게 배운다고 했는데 벌써 너무 어려운 내용이 나온 거 아닌가..?” 제가 미리 알려드렸어야 했는데 죄송합니다,,, 그래서 앞으로는 차근차근 나갈 것에 대해 인덱싱을 해서 올리려고 합니다! 그래서 앞으로 올라가는 것들 헷갈리지 마시고, 제 단계를 차근차근히 따라가시면 분명히 인공지능에 대해서 이젠 나도 할 수 있구나 라는 자신감이 생기실 거라고 확신합니다! 아직 인공지능이란 무엇인지 간단한 개념만 소개시켜 드렸지만, 다음 파트에서는 인공지능의 “벽(제가 느끼기에)”인 Linear Regression 을 소개해드리겠습니다,, 잘 할수 있을지는 모르겠지만 최선을 다해보겠습니다. 긴 글 읽어주셔서 감사합니다 !
