인공지능
계산, 학습 등 인간의 지적 능력을 컴퓨터를 통해 구현하는 기술
인공지능 필요 요소
| 프레임워크 | 프로그래밍언어 | AI모델링 플랫폼 | 라이브러리 |
| TensorFlow | Python | AIDUez | Pandas |
인공지능 구현 3대 요소
알고리즘, 데이터, GPU
머신러닝
특정 부분을 스스로 학습해 성능을 향상
- 지도학습 Supervised Learning
- 비지도학습 Unsupervised Learning
- 강화학습 Reinforcement Learning
지도학습
학습 데이터와 정답을 함께 제공 (입력(Feature, X)과 출력(Label, Y) 데이터로 학습)
| 분류 Classification | 범주형 데이터를 출력 |
| 회귀 Regression | 수치형 데이터를 출력 |
비지도학습
학습 데이터만 제공 (출력데이터 (Label, Y ) 없이 입력데이터만 주고 패턴으로 학습)
강화학습
특정 행동(Action)을 시행하고, 상과 벌(Reward)에 따라 해야 할 행동을 학습
| 학습 데이터 | 환경 피드백 | 응용 분야 | |
| 지도학습 | Labeded past data | Direct | 분류, 회귀 (위험평가, 예측) |
| 비지도학습 | Unlabeled past data | None | 군집화, 연관 (상품 추천, 특이사항감지) |
| 강화학습 | Dynamic curerent data | Direct(Rewards) | 바둑, 게임, 자율주행, 드론 |
딥러닝
뇌의 정보처리방식을 모사한 "인공신경망"과 유사하게 여러층(Layer)으로 깊이있게 구성하여 학습을 진행
중요한 Feature에 가중치(Weight)를 부여하여 학습
| DNN (Deep Neural Network) |
입력층, 여러개의 은닉층, 출력층으로 구성된 가장 일반적인 모형 |
| CNN 합성곱신경망 (Convolutional Neural Network) |
이미지의 지역별 Feature를 뽑아서 학습하는 분야에 특화 |
| RNN 순환신경망 (Recurrent Neural Network) |
순서가 있는 데이터 학습에 특화(시계열 예측, 문장 처리) |
| GAN 생성적 적대 신경망 (Generative Adversarial Network) |
두 신경망 모델의 경쟁을 통해 학습 |
