딥러닝과 머신러닝

출처1 : https://brunch.co.kr/@gdhan/10

출처2: https://stickie.tistory.com/43

출처3: https://ko.wikipedia.org/wiki/%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5

출처4: https://sanghyu.tistory.com/177

 

인공지능 &  머신러닝  & 딥러닝

인공지능

인공지능(AI)이라는 용어는 명확히 정의된 것은 없다

여러정의들이 제시되어있지만 모두가 동의하는 인공지능의 정의는 존재하지않는다.

"인공지능과 딥러닝"이라는 책에 따르면 인공지능은 네가지 유형으로 나눠진다.

 

Level1. 단순한 제어 프로그램 

단순한 제어 프로그램을 탑재한 제품을 마케팅적으로 인공지능 탑재라고 광고한다. (e.g. 세탁기 청소기)

Level2. 패턴이 다양한 고전적 인공지능

입력과 출력관계를 맺는 방법의 수가 극단적으로 많고 세련된 경우 (탐색/추론, 지식베이스활용)

Level3. 머신러닝을 받아들인 인공지능

데이터를 바탕으로 학습되는 기계학습 알고리즘 이용

"Level3 = Level2 + 기계학습" 로 생각하면된다.

Level4. 딥러닝을 받아들인 인공지능

기계학습을 할 때 입력값의 특징(feature)을 사람이 입력하지않고, 기계가 직접 학습 

 

인공지능의 네가지 유형을 보면 기계학습, 머신러닝, 딥러닝의 용어가 전부 사용되는것을 볼 수 있다.

범주별로 분류할경우 인공지능 ⊃ 머신러닝(기계학습) ⊃ 딥러닝 으로 나눌 수 있겠다.

AI의 범주 분류

 

머신러닝(기계학습)

머신러닝이란 일일이 코드로 명시하지 않아도 기계가 데이터로부터 학습하여

동작을 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야이다   - '아서 사무엘'

 

알고리즘 유형

1. 지도학습

학습데이터로부터 하나의 함수(func)를 찾아나가는 기계학습의 한 방법으로

입력데이터에 대한 정답데이터(Label)가 존재해야한다.

유추된 함수중 연속적인값을 출력하는것을 회귀분석이라고하고

- 회귀분석 : 관찰된 연속형변수들에 대해, 두 변수 사이의 모형을 구한뒤 적합도를 측정해내는 분석 방법

주어진 입력데이터가 어떤종류의 값인지 출력하는것을 분류라고 한다.

 

지도학습의 최종목표는 주어진 학습데이터(입력,정답)로 부터 함수(func)를 찾고 

학습하지않은 데이터에 대해서도 일반화된 결과값을 잘 도출하도록 하는 것이다.

 

학습데이터(입력,정답)으로 부터 함수(func)를 유추하고 나면 해당 함수에 대한 평가를 통해 파라미터를 최적화한다.

평가를 위해 교차검증이 이용되며 이를 위해 데이터를 세가지(학습,검증,테스트)로 분류해서 사용한다.

교차검증을 통한 장단점으로 특정 데이터세트에 대한 과적합방지 및 일반화된 모델이 생성가능하지만 학습시간이 증가한다는 단점이있다.

 

 

대표적으로 회귀와 분류로 나눌수 있으며 중요한 지도학습 알고리즘을 나열하면 다음과같다.

[나중에 작성하고 링크 달아야할 부분]​

• K-Nearest Neighbors
• 선형회귀
• 로지스틱 회귀
• SVM
• Decision Tree & Random forest
• 신경망 Neural Network

 

2. 비지도학습

기계학습의 일종으로 데이터가 어떻게 구성되어있는지를 알아내는 범주에 속함

지도학습과 달리 입력값에 대한 목표값(Label)이 주어지지 않는다.

 

중요한 비지도학습 알고리즘을 나열하면 다음과 같다.

[나중에 작성하고 링크 달아야할 부분]

• 군집(clustering) - K-means / 계층군집분석(HCA) / 기댓값 최대화
• 시각화와 차원축소 - 주성분 분석(PCA) / 커널 PCA / 지역적 선형 임베딩(LLE)
• 연관규칙학습 - Apriori / Eclat

3. 준지도학습

[나중에 작성하고 링크 달아야할 부분]

기계학습의 일종으로 적은 labeled data와 많은 unlabeled data로 학습하는 방법이다.

 

 

4. 강화학습

[나중에 작성하고 링크 달아야할 부분]

기계학습의 일종으로 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다.

 

 

딥러닝

딥러닝은 머신러닝의 특정분야에 대한 연구이며 

앞서 위에서 설명했던 지도학습의 알고리즘중 "신경망 Neural Network" 이 이에 해당한다.

 

딥러닝역사는 해당 포스팅참고

개념은 이후 포스팅에서 제시

중요한 딥러닝 알고리즘을 나열하면 다음과 같다.

• DNN 심층신경망
• CNN 합성곱신경망
• RNN 순환신경망
• RBM 제한된 볼츠만 머신
• DBN 심층 신뢰 신경망