AI, ML, DL 분류

AI, Machine Learning, Deep Learning 과 관련한 용어들을 정리한다.

AI(Artifical Intelligence)

한국말로 인공지능으로 인간이 가지고 있는 학습능력, 응용력, 추론능력 등을 컴퓨터를 통해서 구현하고 하는 가장 포괄적인 개념이다.

ML(Machine Learing)

한국말로 기계학습으로 AI를 구현하는 하나의 방법론이다.

데이터를 이용해서 데이터의 특서오가 그 결과를 바탕으로 미지의 데이터에 대한 미래결과를 예측하는 프로그래밍 기법이다.

ML이 필요한 이유

ML은 Explicit program(rule based program)의 한계 때문에 고안되었다.

어떠한 프로그램들은 rule(조건)들이 너무 많기 때문에 Explicit program으로 구현하기 힘들기 때문이다. 예를 들어 대출 spam 문자를 걸러내기 위해 대출 이라는 단어를 설정해두면 대^^출 같은 단어는 걸러내기 힘들다.

따라서 프로그램 자체가 데이터 기반으로 학습을 통해 배우는 능력을 가지는 프로그램을 지칭한다.

ML의 분류

• 지도학습(Supervised Learning) : 데이터와 정답(label)을 이용해서 데이터의 특성과 분포를 학습하고 미래 결과를 예측하는 방법이다.

  • 회귀(Regression) : Linear Regression, Logistic Regression
  • Classification(분류): binary classification, multinomial classification

• 비지도학습(Unsupervised Learning) : 정답(label)이 없는 데이터가 사용되는것이 지도학습과의 가장 큰 차이점이고 특성과 분포를 이용해서 Grouping 하는 Clustering(군집화) 하는데 주로 사용된다.

• 준지도학습(Semi-Supervised Learning) : 데이터 일부분만이 정답(label)을 갖고 있는 경우이다. ex) Google Photos

• 강화학습(Reinforcement Learning) : 게임쪽에서 많이 사용되는 학습방법을 사용하면 Agent, Environment, Action, Reward 개념을 이용한다.

알고리즘 종류

• Regression(Linear Regression, Logistic Regression)
• SVM(Support Vector Machine)
• Random Forest
• Descision Tree
• Neural Network(신경망)
• Clustering
• Reinforcement Learning

DL(Deep Learning)

ML의 한 부분으로 Neural Network를 이용해서 학습하는 알고리즘의 집합이다.

알고리즘 종류

• CNN
• RNN
• LSTM
• GAN

참고

AI > ML > DL