01. 인공지능 개론
인공지능: 컴퓨터가 알아서 생각하고 판단하는 기술
인공지능의 분야
- 머신러닝
- 딥러닝(머신러닝 하위개념)
머신러닝(Machine Learning, 기계학습):
- 인공지능의 한 분야이며 컴퓨터가 학습할 수 있는 알고리즘을 개발하는 기술
머신러닝의 핵심:
- (표현, 일반화) = (데이터의 평가, 예측)
컴퓨터가 학습하는 방법에 따른 머신러닝의 분류
- 지도학습:
사람이 입력(x)에 대한 결과(Label, y)을 달아놓은
데이터를 컴퓨터에 주면 컴퓨터가 학습하는 학습기법
제공되는 데이터: 입력(O), 결과(O)
- 비지도학습:
사람없이 컴퓨터가 입력(x)만 가지고 학습 후 결과(Label, y)을 예측하는 학습기법
제공되는 데이터: 입력(O), 결과(X)
- 반지도학습:
결과(Label, y)이 있는 데이터와 없는 데이터 모두 활용하여 학습하는 기법
----------------------------------------------------------------------------------------------------------
지도학습과 관련된 개념
분류(Classification):
Label이 이산적인 경우, 즉 유한한 경우에 분류, 인식문제 라고함.
일상에서 가장 접하기 위한 경우이며 이러한 문제를 해결하기 위한 방법으로는
로지스틱 회귀법[2], KNN, 서포트벡터머신(SVM), 의사결정트리
회귀(Regrission):
Label이 실수인경우, 회귀문제 라고함.
엑셀이나 그래프를 그릴때 접하는 경우이며 이러한 문제를 해결하기 위한 방법으로는
선형회귀기법
----------------------------------------------------------------------------------------------------------
비지도학습과 관련된 개념
군집화(Clustering):
x(데이터)가 쭉 뿌려져있을 때 Label이 없더라도 데이터간 거리에 따라서 군집으로 나눌 수 있음.
이렇게 x만가지고 군집을 학습하는 것
분포측정:
x(데이터) 쭉 뿌려져있을 때 어떤 확률 분포에서 나온애들인지 추정하는 것
-----------------------------------------------------------------------------------------------------
Coursera 사이트의 인공지능 강의를 토대로 작성됨