딥러닝과 머신러닝 그리고 인공지능

[인공지능과 머신러닝 그리고 딥러닝]

- 기본적으로 3가지는 포함 관계에 있다. (인공지능 > 머신러닝 > 딥러닝)

 

# 인공지능

: 인공지능 (AI, Artificial Intelligence)은 인공적으로 지능을 만든 것

✔️ HOW?  

      점진적인 학습 알고리즘을 통해 스스로를 개선하여 데이터가 프로그래밍을 수행하도록 지원

✔️ WHY?

      왜 인공지능을 사용하려고 할까?

     ➡️ <규칙기반 학습과 추론>  (사람이 직접 규칙을 정해줌)

      : 여러번 데이터를 통해 규칙을 도출하여, 새로운 데이터에 대해서도 자동화/최적화 하기위해

 

# 머신러닝

: 머신러닝 (ML. Machine Learning)은 기계가 인간의 개입없이 스스로 학습하는 기술

✔️ HOW?  

      데이터와 정답을 지속적으로 전달하여 스스로 원리를 학습하도록 진행

✔️ WHY?

      그렇다면 왜 규칙기반말고 머신러닝이 나오게 되었을까?

      ➡️ <머신러닝의 학습과 추론>

      : 여러번 데이터를 학습시켜, 스스로 추론하도록 만들어 자동화/최적화 하기위해 

 

 

# 딥러닝

: 딥러닝(DL. Deep Learning)은 머신러닝 중에 뉴럴렛 (Neural Network)통해 기잎~~~게 쌓은 모델을 사용하는 기술

✔️ HOW?  

      데이터와 정답을 지속적으로 전달하되. 인간의 뇌를 모방하여 깊이 쌓은 뉴럴렛 모델 사용

✔️ WHY?

      왜 딥러닝을 사용하는가?

      ➡️ <딥러의 학습과 추론>

      : 여러번 데이터를 학습시켜, 스스로 추론하게 만든다. (이때. 데이터의 특성을 지정해줄 필요가 없음)

 

 

[지도학습과 비지도학습]

- 지도학습 (INPUT -> MODEL -> OUTPUT -> LABEL)

  : 모델이 입력값과 정답 데이터를 모두 사용하여 학습하는 방법

😊장점 : 정답을 잘 주기 때문에 웬만하면 학습이 잘됨

😫단점 : 레이블 데이터를 하나 하나 만들어야 하기때문에 비용, 시간이 많이 들어감.

 

- 비지도학습 (INPUT -> MODEL -> OUTPUT -> instance, input..)

  : 모델이 입력값만을 사용하여 학습하는 방법

   ex) MLM task(빈칸 추론 문제), 클러스터링 (패턴 분석에 사용)

😊장점 : 레이블을 따로 만들 필요가 없음 => 비용 감소

😫단점 : 지도학습에 비해서는 조금 더 학습이 어려움

 

 

[정형데이터와 비정형데이터]

- 정형데이터

  : 테이블 구조로 저장된 데이터 _ ex) 고객의 이름, 주소, 전화번호, 구매내역 등

 

- 비정형데이터 (Embedding  必)

  : 우리가 접하는 파일 형태로 되어있는 데이터 _ ex) 이미지, 동영상, 텍스트, 음성 등

 

✅ 정형데이터 = 머신러닝, 비정형데이터 = 딥러닝

 

 

<출처>

https://www.youtube.com/watch?v=WeHFmpDN_ks