머신러닝 - 기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구분야
즉 머신러닝 != 규칙 기반 인공지능
과거의 경험으로부터 새로운 지식을 배우는 것과 유사하다.
컴퓨터 성능이 향상되며 인공지능도 업그레이드 되었다.
머신러닝 역사
사람 - 경험으로부터 학습한다 == 컴퓨터 - 데이터를 통한 학습
빅데이터를 활용하면 더 복잡한 문제를 풀수있는 컴퓨터를 만들 수 있다.
무인 자동차, 기계번역, 컴퓨터 비전 등 == 지능형 서비스
인공지능과 머신러닝 (경험 == 데이터)
규칙 기반 시스템은 AI이지만 ML은 아니다.
사람이 전부 규칙을 만들었다.
Classical ML = 사람이 데이터에서 특징을 추출한다. -> 그 후 컴퓨터가 구분한다.
Non-AI vs Machine Learning
머신러닝은 학습단계와 실 사용 단계로 나눌 수 있다.
머신러닝 - 받은 데이터를 출력으로 뽑기 위해 사람이 피쳐를 뽑으면 컴퓨터가 알아서 처리하여 출력한다.
실제 사용 -> 학습에 사용되지 않은 데이터를 사용해도 출력이 나오게 된다.
supervised learning - 지도학습 -> 레이블(정답이 표시)된 데이터로 학습
unsupervised learning - 비지도 학습 -> 레이블이 없다. -> 알아서 구별한다.
실사용에는 레이블이 없는 경우가 많다.
빅 데이터에 전부 레이블을 달기도 어렵다.
reinforcement learning - 강화학습 -> 액션에 대한 보상 시스템으로 학습한다. -> 의사 결정을 위한 최적의 액션을 선택
양수 -> 원하는 방향
음수 -> 가면 안되거나 좋지 않은 방향
지도학습 - classification, regression
레이블의 사용 -> 예측(predict)을 잘 못했을 때(loss) 고치기(gradient decent) 위해 사용
특징 - 귀의 크기, 꼬리의 길이 등등....
분류 - classification
회귀 - regression
키 데이터를 통한 몸무게 데이터 유추하기!
지도학습 활용 예 - mnist
전통적 프로그래밍 - 다양한 예시를 포함해서 구분하는 복잡한 로직을 만들어야 된다. -> 코딩으로 구현하는데 많은 노력이 든다. 새로운 데이터가 추가되면 코드도 다 수정해야 된다.
비지도 학습 - clustering
출력으로 구분된 데이터가 잘 나온다.
강화 학습 - 최대 보상 가져오는 정책을 만든다.
사람이 경험해서 배우는 것 처럼 시행착오를 겪으면서 학습하는 것이 매우 유사하다.
머신러닝 = 지도 + 강화 + 비지도
'인공지능 > 공부' 카테고리의 다른 글
| 인공지능과 빅데이터 4주차 3차시 - 분류 알고리즘 K-NN, SVM, Decision Tree (0) | 2024.03.25 |
|---|---|
| 인공지능과 빅데이터 4주차 2차시 - 지도학습(분류, 회귀) supervised Learning(classification, regression) (0) | 2024.03.25 |
| 강화학습 과제 1.1 (0) | 2024.03.25 |
| 자연어 처리 과제 1 Word2Vec, Doc2Vec, cos유사도- 마무리 (0) | 2024.03.21 |
| 자연어 처리 - 과제 1.1 (0) | 2024.03.20 |