인공지능의 이해 기말고사 족보입니다

목차

없음

본문내용

01. 인공지능, 머신러닝, 딥러닝의 관계
I. 인공지능, 머신러닝, 딥러닝의 개념
1) 인공지능
– 인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술
– 인공지능의 구분
» 강인공지능(Strong AI) : 인간의 능력을 초월한 성능을 가진 AI
» 약인공지능(Weak AI) : 특정 영역에서 도구로 사용하기 위해 설계된 AI

2) 머신러닝
– 컴퓨터를 인간처럼 학습하게 함으로써 인간의 도움 없이도 컴퓨터 스스로가 새로운 규칙을 발견할 수 있도록 하는 기술.
– 머신러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 함
– 머신러닝이 스스로 학습하여 데이터를 처리하는 과정
① 빅데이터를 입력
② 데이터를 분석하여 모델을 만듦
③ 모델을 이용하여 의사결정 및 예측 등을 수행

3) 딥러닝
• 인공신경망(ANN, Artificial Neural Network)
– 여러 뉴런이 서로 연결되어 있는 구조의 네트워크(인간의 뇌를 형상화)

3) 딥러닝
• 딥러닝(Deep Learning)
– 여러 은닉층을 가진 인공신경망을 사용하여 머신러닝 학습을 수행하는 기술
– 딥러닝의 ‘딥(Deep)’은 연속된 신경망 층(layer)을 깊게(deep) 쌓는다는 의미
– 이 신경망이 깊어질수록 성능이 향상됨 (은닉층: 여러개의 구조를 갖는 심층신경망 DNN 이라고함)

II. 머신러닝과 딥러닝의 차이점
1) 인간의 개입 유무
– 머신러닝은 사람이 학습 데이터에 레이블(정답)을 알려주거나 데이터의 특징을 추출하는 등 어느 정도 개입
– 딥러닝은 인간의 개입 없이 컴퓨터 스스로 학습함

하나 더 알기
▪ 특징 추출(Feature Extraction) : 머신러닝에서 컴퓨터가 스스로 학습하려면 사람이 인지하는 데이터를 컴퓨터가 인지할 수 있는 데이터로 변환해야 하는데, 이 작업을 위해 데이터별로 어떤 특징을 가지는지 찾아내고 그것을 토대로 데이터를 벡터로 변환하는 것

참고 자료

없음