Machine Learning Concept

일단 AI는 두가지로 특정할 수 있다.

 

Rule-base AI

Machine Learning AI 

 

여기서 Rule-base AI는 먼저 사람이  특징을 잡아주고 나서 AI가  물체를 특정하고, 

 

Machine Learning AI 사람이 물체를 던져주고 머신이 해당 물체의 특징을 분석 혹은 알고 있는 것을 바탕으로 해당 물체가

어떤 물체라는 것을 특정한다.

 

 

 

그런데 사과가 항상 같은 모양은 아니다.  반을 쪼갠 사과도 사과라는 것을 학습 시킬때 차이가 있다.

 

Rule-base AI

는 해당 특징또한 직접 데이터를 입력해줘야하는 문제가 있다. 

 

Machine Learning AI

는 이미 정답을 제시했으니 거기서 특징을 추출해서 학습하기때문에 인간이 개입이 훨씬 적어진다. 

 

Unsupervised Learning (비지도 학습 )

이건 머신러닝처럼 먼저 해당 물체에 대한 정답을 주지않고 특징만 학습하고 무엇인지 모르는 상태에서 뒤에 인간이 물체의 정답을 특정해 주는 학습 방식이다. 

 

비지도 학습

---

Deep Learning

딥러닝은 머신러닝의 일종이다. 

뇌신호를 기반으로 발명되었다.

 

데이터를 학습시키고 다향한 데이터(weight)를 계속 입히면서 output이 제일 정확한 정답을 특정하게끔 조정하는것이 딥러닝이다. 

머신러닝과 딥러닝의 큰 차이점은 인간의 개입이 엄청나게 적어진다고 합니다. 

 

전통적인 머신러닝

Raw Input -> Feature Engineering  -> Traditional ML model -> Output

 

딥러닝 

Raw Input -> DNN(Deep Neural Network)-based representation learning -> output