[머신러닝 딥러닝] 인공지능 / 머신러닝

1. 인공지능 / 머신러닝

1-1. 인공지능이란?

• 인공지능(artificial intelligence): 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술
• 인공지능의 종류
  • 인공일반지능(artificial generalinteligence) 혹은 강인공지능(Strong AI) 
    : 영화에 나오는 인공지능을 생각하면 됨! 사람과 구분하기 어려운 지능을 가진 컴퓨터시스템이 인공일반지능이다. 
  • 약인공지능(Week AI)
    : 현실에서 우리가 마주하고 있는 인공지능. 아직까지는 특정 분야에서 사람의 일을 도와주는 보조 역할만 가능하다. (예: 음성비서, 자율주행 자동차, 음악추천, 기계번역 등)

 

 

1-2. 머신러닝이란?

• 머신러닝(machine learning)
  • 규칙을 일일이 프로그래밍 하지 않아도 자동으로 데이터에서규칙을 학습하는 알고리즘을 연구하는 분야
  • 인공지능의 하위 분야 중에서 지능을 구현하기 위한 소프트웨어를 담당하는 핵심분야
  • 통계학과의 깊은 연관
    : 통계학에서 유래된 머신러닝 알고리즘이 많고, 통계학과 컴퓨터 과학 분야가 상호작용하면서 발전하고 있다
• 사이킷런(scikit-learn): 대표적인 머신러닝 라이브러리

 

 

---

2. 머신러닝으로 할 수 있는 것

2-1. 회귀(Regression)

• 회귀는 연속된 데이터를 취급할 때 사용하는 기법
• 독립변수(X)와 종속변수(Y)간의 관계를 모델링하고, 이를 기반으로 새로운 입력 값에 대한 출력값을 예측하는 것을 목표로 함
  • 독립변수는 대부분 여러개다
  • 독립변수가 하나인 경우는 선형회귀라고 한다
• 대표적인 예시로는 시계열 데이터 다루기가 있다
  (시계열 데이터-> 시간적인 변화를 연속적으로 관측한 데이터)
• 예) 과거 주식 추세를 학습해서 내일의 주가를 예측하는 시스템을 개발

 

2-2. 분류(Classification)

• 주어진 데이터를 사전 정의된 클래스 또는 범주별로 구별해내는 과정
• 데이터와 데이터의 레이블값을 학습시키고 어느 범주에 속한 데이터인지 판단하고 예측 
• 예) 스팸메일인지 아닌지 구별해주는 시스템

 

2-3. 클러스터링(Clustering)

• 분류와 비슷하지만 데이터에 레이블(정답데이터)이 없다
• 유사한 속성들을 갖는 데이터를 일정한 수의 군집으로 그룹핑하는 비지도학습
• 예) SNS데이터를 통해 소셜 및 사회 이슈를 파악

 

---

3. 학습

3-1. 지도학습

• 문제와 정답을 모두 학습시켜 예측 또는 분류하는 문제
• y=f(x)에 대하여 입력변수x와 출력변수y의 관계에 대하여 모델링 하는것 
• y에 대하여 예측 또는 분류하는 문제 

 

3-2. 비지도학습

• 출력변수y가 존재하지 않고, 입력변수x간의 관계에 대해 모델링 하는것
• 군집분석: 유사한 데이터들까리 그룹화(이게 클러스터링!)
• PCA: 독립변수들의 차원을 축소화

 

3-3. 강화학습 

• 수많은 시뮬레이션을 통해 현재의 선택이 미래에 최대보상이 되도록 학습