인공지능과 빅 데이터 2주차 2 - 규칙 기반 시스템과 머신 러닝

규칙 기반 시스템 - 규칙 세트를 이용해 문제 해결 -> 조건부 문장으로 되어있다.

 

아서 새무엘 = 머신러닝 정의

 

컴퓨터 - 복잡하고 많은 작업 빠르게 처리 가능 BUT 일일히 지정해주기 어렵다

-> 프로그래밍 데이터를 통해 규칙을 컴퓨터가 직접 찾자 -> 머신러닝!

 

머신러닝 - 경험 == 데이터로 규칙을 찾기

머신러닝

 

모든 경우를 모두 설정해서 인공지능이 아닌 것으로 오해할 수 있다.

규칙 기반 시스템

이 것을 통해 인공지능이라고 할 수 있다.

지식 베이스 - 사실과 규칙을 나타낸다. 규칙으로 구성되어 있다.

전문가의 지식을 반영하기 위해 굉장한 복잡성과, 큰 구조를 기본적으로 가지고 있다.

이러한 지식을 바탕으로 하기 때문에 의사의 지식을 컴퓨터로 구성할 수 있게 된다.

 

머신러닝

 

지도학습을 하기 위해 학습 데이터로 많은 기사를 수집하고, 정답도 가지고 있는다.

지도 학습

이미 학습된 내용을 통해 처음보는 기사가 들어와도 잘 분류해준다.

지도 학습

 

비 지도 학습

비지도 학습

속성이 표시되지 않은 신문 기사가 굉장히 많다.

 

강화 학습

행동에 따른 보상이 주어지는데 보상을 극대화 하려고 한다.

강화 학습

환경 - 자전거의 상태

내가 조종할 수 있는 것은 핸들과 페달이다. -> 액션

액션에 따라 결과도 변한다. 넘어지거나 앞으로 가거나 이다.

자전거를 배우는 과정도 강화학습으로 알아봤고, 강화학습도 딥러닝으로 가능하다.

 

클래식 머신 러닝

클래식 머신 러닝 = 머신러닝- 딥러닝

과정이 더 늘었다.

 

머신러닝 - 일정 양 이상의 데이터가 꼭 필요하다, HAND - designed features : 잘 구분해야 한다.

특징 1

특징2

 

mapping from features : 데이터를 통해 얻은 결정 경계

결정 경계의 왼쪽 위에 찍혔다. - 입력된 사진이 고양이 사진이구나 할 수 있는 근거가 된다.

학습데이터를 통해 결정 경계를 만든다. -> 추후 판단에 사용 가능하다.

선을 긋는 주체 == 컴퓨터

 

사람 얼굴 인식

인풋 데이터 셋 다양하게 확보해야 한다.

그 상황에서 하나의 사람 얼굴을 보면 비트맵 이미지로 변환 가능하다.

그러나 이 이미지는 용량이 너무 크고, 확실하게 구분하기 애매하다.

어떻게?

PCA란?