#3. 인공지능, 머신러닝, 딥러닝

▶ 인공지능이란?

• 인공지능(AI, Artificial Intelligence)은 컴퓨터가 인간처럼 사고하고 학습할 수 있도록 하는 기술
• 패턴 인식, 문제 해결, 의사 결정 등을 통해 인간의 지능적인 작업을 모방

 

▶머신러닝이란?

• 머신러닝(ML, Machine Learning)은 AI의 한 분야로, 명시적으로 프로그래밍하지 않아도 컴퓨터가 데이터를 통해 학습하고 예측하거나 결정을 내릴 수 있도록 하는 기술
• 머신러닝은 주로 다음과 같은 세 가지 유형 분류
  • 지도 학습(Supervised Learning)
    
    • 입력 데이터와 해당하는 정답(레이블)이 주어진 상태에서 모델을 학습
    • 주로 분류(Classification)와 회귀(Regression) 문제를 해결하는 데 사용
    • 정답 레이블이 있어 모델의 성능을 명확하게 평가할 수 있으며  충분한 양질의 데이터를 사용하면 높은 정확도의 예측 모델을 만들 수 있음
    • 많은 양의 정답 레이블이 있는 데이터를 준비하는 것이 어려울 수 있으며, 모델이 훈련 데이터에 너무 맞춰져 새로운 데이터에 잘 일반화되지 않을 수 있음
  • 비지도 학습(Unsupervised Learning)
    • 입력 데이터에 레이블(정답)이 주어지지 않은 상태에서 데이터를 학습하는 과정
    • 데이터 내의 숨겨진 패턴이나 구조를 발견
    • 주로 군집화(Clustering)와 차원 축소(Dimensionality Reduction) 문제를 해결하는 데 사용
    • 레이블이 없는 데이터를 학습할 수 있어 데이터 준비가 용이하며, 데이터 내의 숨겨진 패턴이나 구조를 발견하여 새로운 인사이트를 얻을 수 있음
    • 정답 레이블이 없어 모델의 성능을 정량적으로 평가하기 어렵고, 발견된 패턴이나 군집의 의미를 해석하는 데 어려움이 있을 수 있음
  • 강화 학습(Reinforcement Learning)
    • 에이전트가 환경과 상호작용하며 보상을 최대화하는 방법을 학습
    • 에이전트가 경험을 통해 스스로 학습하며, 사람이 명시적으로 프로그램하지 않아도 됨
    • 다양한 환경 변화에 적응하여 최적의 행동을 학습할 수 있음
    • 충분한 경험을 통해 학습하는 데 많은 시간이 걸릴 수 있으며, 환경과 상호작용하는 과정에서 발생하는 복잡한 문제를 해결하기 어렵움

 

▶딥러닝이란?

• 딥러닝(DL, Deep Learning)은 머신러닝의 하위 분야로, 인공신경망(Artificial Neural Networks)을 사용하여 대량의 데이터를 학습하고 복잡한 패턴을 인식
• 딥러닝은 특히 이미지, 음성, 텍스트 등 비정형 데이터를 처리하는 데 뛰어난 성능을 발휘
• 딥러닝의 주요 구성 요소
  • 인공신경망(Artificial Neural Networks): 인간의 뇌 구조를 모방한 네트워크로, 여러 층(layer)으로 구성됩니다. 각 층은 입력 데이터를 처리하고 변환하여 다음 층으로 전달
  • 컨볼루션 신경망(Convolutional Neural Networks, CNNs): 주로 이미지 데이터 처리에 사용되며, 특징 추출을 통해 이미지 분류, 객체 인식 등에 활용
  • 순환 신경망(Recurrent Neural Networks, RNNs): 시퀀스 데이터를 처리하는 데 사용되며, 자연어 처리(NLP) 및 시계열 데이터 분석 등에 활용