1. 인공지능과 머신러닝 개념

인공지능과 머신러닝의 개념

인공지능 > 머신러닝 > 딥러닝

인공지능	인간처럼 사고하고 예측하려는 컴퓨터 기술 전반
머신러닝	인공지능의 한 분야. 대량의 데이터를 학습한 후 기계가 스스로 결과를 추론할 수 있음
딥러닝	머신러닝의 한 분야. 인공신경망을 이용하여 데이터를 심층적으로 학습하고 결과를 학습함

인공지능

• 인간처럼 사고하고 행동하려는 컴퓨터 기술
• 알고리즘에 의해, 인간의 학습능력을 구현하려는 기술
  - 학습능력 : 학습, 문제해결, 추론 , 지각 능력

강인공지능	자의식이 있는 인공지능, 일반적인 영역에서의 문제를 스스로 해결할 수 있음. 아직은 이론적인 기술
약 인공지능	자의식이 없는 인공지능. 특별한 영역에 대하여 문제를 해결.  현재 대부분의 인공지능 기술은 약 인공지능 -> 대부분이 약 인공지능이다.

머신러닝

• 인공지능의 한분야
• 1959년 아서 사무엘에 의해 만들어짐 -> 머신러닝은 명시적인 프로그래밍없이 컴퓨터가 학습하는 그런 능력을 갖추게하는 연구분야다라고 했다.
• 데이터를 학습한 후 기계가 스스로 결과를 추론할 수 있음
  - 학습 가능한 데이터가 증가할 수 록 알고리즘의 성능이 향상됨
• 다양한 알고리즘을 이용하여 데이터를 학습
  - 데이터에 대하여 분석, 학습, 판단, 예측 가능

딥러닝

• 머신러닝의 한 분야
• 인공신경망을 이용해서 데이터를 심층적으로 학습하고 결과를 예측한다는 특징이 있다.
• 하나의 뉴련을 하나의 CPU라 할때, 수백만개의 뉴련을 이용한 학습과 유사함
• 이미지, 음성, 자연어 등 학습 가능

---

기존 규칙을 기반으로 한 알고리즘 VS 머신러닝 알고리즘

1. 규칙을 기반으로 한 알고리즘

2. 머신러닝 알고리즘

규칙기반알고리즘	프로그래밍된 내용대로 결과가 유추가 된다.
머신러닝알고리증	학습데이터에 의해서 학습에 의해서 예측을한다. 프로그래밍된 내용이 아니라 학습을 한 내용에 따라 결과가 달라진다. 이상치를 탐지를 해 스스로 주어진 데이터에 대해서 예측/배제등을 한다.

---

머신러닝 기술 종류

지도학습	개요	입력값에 의한 결과값이 있는 데이터들을 넣어 이후 값들을 예측하게끔 하는 학습 이후 입력되는 값에 대해 결과값을 예측한다.
	개념	- 정답지가 있는 데이터를 활용하여 데이터 학습 입력값 (x) + 정답지(y) 정답지를 target또는 Label이라고 한다. ex) n명에 대해 키에따른 몸무게를 조사한 후 해당 데이털르 학습 데이터로 제공하는 경우
	종류	-분류 이진 분류나 다중분류가능 정루 : KNN, 나이브 베이즈 등 - 스팸메일 분류 - 회귀 연속된 값들이 주어진 경우 종류 : linear regression, logistic regression등 정확한 분류가 아닌, 입력값에 대한 결과를 실수 등 추정할 수 있음
비지도학습	개요	입력데이터셋만 넣어 스스로 알고리즘에 대해 학습을 한다. 스스로 학습 패턴을 학습하고 입력이나 결과에 군집화를 해주는 방법
	개념	정답이 없는 데이터를 활용하여 데이터 군집화, 새로운 데이터 결과 예측 정답이 없는 입력값으로 부터 패턴이나 형태를 찾아서 학습 - 입력값 -> 패턴이나 형태를 학습 -> 결과 예측 ex) n개의 데이터에 대해 패턴과 형태를 학습
	종류	ㅇ군집화 -입력데이터에 대해 여러개의 클러스터로 나눔 - 종류 : k-means ex) 고객에 대해 성별, 연령별 변수에 따라 고객군 그룹화 ㅇ차원축소 -다차원의 수를 축소하여 분석과 시각화를 쉽게함
강화학습	개요	상 또는 벌을 주어 되도록 상을 받는 방향으로 행동을 고치게 하는방법이다.
	개념	입력데이터에 대한 정답데이터 존재 X 입력데이터에 대한 행봉을 통해 보상을 받으며 학습 ex) 알파고, Game AI 로봇 네비게이션 등