# 딥러닝이란 무엇인가? 1.1 인공지능과 머신러닝, 딥러닝 1.1.1 인공지능 인공지능 - 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 연구 활동 이처럼 AI는 머신러닝과 딥러닝을 포괄하는 종합적인 분야이다. 초기 사람들은 심볼릭 AI(명시적인 규칙을 충분히 많이 만드는 것) 방식의 접근 방법을 사용하였다. 하지만 불분명한 문제를 해결하기 위한 명확한 규칙을 찾는것은 어려웠다. 그래서 이러한 것들을 대체하기위해 나온 것이 머신러닝이다. 1.1.2 머신러닝 머신 러닝 시스템은 명시적으로 프로그램되는 것이 아니라 훈련된다. 작업과 관련 있는 많은 샘플을 제공하면 이 데이터에서 통계적 구조를 찾아 그 작업을 자동화 하기 위한 규칙을 만든다. 1.1.3 데이터에서 표현을 학습하기 머신 러닝은 샘플과..
2.머신러닝의 기본 1.머신러닝이란 컴퓨터 과학에서 컴퓨터를 적극적으로 이용한 통계학을 의미 머신러닝에서는 문제 설정을 학습 시나리오라고 부른다 학습 시나리오에는 크게 지도학습과 비지도 학습이 있다. 지도학습 - 입력 데이터와 출력 데이터가 세트로 되어 있는 데이터를 다루는것 ex)주택 가격을 특징량을 이용해 휘귀모델로 예측하는 문제, 회귀, 분류, 랭킹 비지도 학습 - 입력 데이터만 주어진 상황 ex) 클러스터링, 차원삭감, 행렬보완, 다양체학습 준지도 학습 - 양쪽 측면을 포함, 일부 데이터에는 출력 데이터가 있지만 나머지는 출력 데이터가 없는 상황 ex) sns 등에서 수집된 우호 관계 네트워크와 일부 성별이 판명된 데이터 세트가 있는 경우 2.지도 학습 기본적인 회귀 문제에서 살펴보면 주택가격을 ..
#머신러닝과 딥러닝에 대하여 AI / 머신러닝 / 딥러닝은 위와 같은 포함 관계를 가진다. #머신러닝 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 학습시켜 작업 수행방법을 익히는 것 을 의미한다. 일반적인 프로그래밍은 데이터와 프로그래밍을 통해 output을 내지만 머신러닝에서는 data와 결괏값을 주고 그것을 통해 컴퓨터가 자체적으로 프로그래밍을 학습하게끔 한다. 머신러닝에서 기계가 학습하기 위해 주어진 데이터에서 특징을 추출하는 과정에 여전히 사람이 개입이 필요하다. 즉 사람이 생각한 특징을 훈련하여 결과를 나타나게 뜸하다. 머신러닝(Machine Learning) 알고리즘 분류 - 지도 학습(Supervised learning) / 비지도 학습(Unsupervised Learning) / 강화..