[Tensorflow][Keras]인공지능? 머신러닝? 딥러닝?

요즈음 인공지능이 일상생활 속에도 많이 쓰이면서 쉽게 들을 수 있게 되었습니다. 그래서 인공지능 딥러닝 머신러닝 데이터 분석.. 등등 많은 관련 용어들이 혼용되어 쓰이는데 이에 대해 개념을 올바르게 잡아보도록 해보겠습니다.

 

인공지능, 머신러닝, 딥러닝?

 

● 인공지능

인공지능이란 인간의 학습능력, 추론 능력, 지각 능력 등을 인공적으로 구현하려는 컴퓨터과학의 세부 분야 중 하나입니다.

 

● 머신러닝

인공지능 중에서도 방대한 데이터를 바탕으로 모델을 만들고 학습해서 예측을 하는 분야를 머신러닝이라고 합니다.

 

● 딥러닝

머신러닝 중에서도 다층 신경망을 사용하는 경우는 딥러닝이라고 합니다.

 

즉, 인공지능>머신러닝>딥러닝 의 포함관계에 있음을 파악할 수 있습니다.

 

인공지능 머신러닝 딥러닝 포함관계도

머신러닝의 종류

인공지능 다음으로 범위가 큰 머신러닝에 대해 알아보도록 하겠습니다.

머신러닝에는 학습을 어떻게 하느냐에 따라서 지도 학습, 비지도 학습, 강화 학습 등으로 나눌 수 있습니다.

 

지도 학습

지도 학습 (Supervised Learning)은 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법입니다.

이해하기 쉽게 말하자면 지도 학습은 답이 정해져 있는 문제를 풀어내는 방식으로 동작하는 학습 방법이며 결괏값에 따라 범주형 변수인 경우 분류, 연속형 변수인경우 회귀로 나눌 수 있으며 해당하는 알고리즘에는 의사결정 트리 등이 있습니다.

 

● 의사결정트리

의사결정 트리는 분류 규칙들을 통해 데이터를 분류, 회귀하는 지도 학습 모델입니다.

 

● SVM(Support Vector Machine)

SVM은 지도 학습 모델 중 하나입니다. 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만드는 방식으로 동작합니다.

 

● 신경망

신경계가 동작하는 방식을 모방해 활성화 함수, 퍼셉트론 등을 이용한 학습 모델 중 하나입니다.

 

비지도 학습

비 지도 학습(Unsupervised Learning)은 기계 학습의 일종으로, 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속합니다. 이 방법은 지도 학습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않습니다.

즉, 비지도 학습은 답이 정해져 있지 않은 문제들을 가지고 문제들에서 특징을 찾아내 학습하는 방식이며 종류에는 클러 스팅 등이 있습니다.

 

● 클러스터링

주어진 데이터에서 유사한 성격을 가진 것들을 묶어 그룹을 만드는 것을 의미합니다.

주어진 데이터를 요약 및 정리하는데 효율적으로 사용이 가능합니다

ex) K-means, partitioning 등

 

● AutoEncoder

입력 데이터들을 어떠한 양식으로 압축한 뒤 압축된 양식으로부터 입력 데이터를 재생성하는 것을 의미합니다.

ex) Sparse AutoEncoder, Stacked AutoEncoder, Denoising AutoEncoder 등 

 

● 차원축소

입력 데이터들의 차원(변수의 개수)이 많을 경우 연산이 느려지고 복잡해지기 때문에 이를 방지하기 위해서 차원의 수(변수의 개수)를 줄이는 것을 의미합니다.

ex) PCA, LDA(지도 학습임에 주의), SVD 등

 

● Assosiation

데이터 사이의 연관된 특성을 찾는 것을 의미합니다. 

ex) Apriori algorithm, FP-Growth algorithm, DHP algorithm 등

 

● Analomy Detection(이상 감지)

데이터 중에서 이상 데이터를 찾아내는 것을 의미합니다. 이상 감지는 이상 데이터와 정상 데이터를 라벨링을 할 수 있느냐에 따라서 지도 학습, 비지도 학습, 반지도 학습 3가지 모두가 가능합니다.

 

강화 학습

강화 학습(Reinforcement learning)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법입니다.

즉, 강화 학습 또한 비지도 학습처럼 답이 정해져 있지 않은 문제들을 학습하는 방식이나, 다른 점은 보상체계라는 것이 존재해 행동에 따른 보상을 극대화하는 방식으로 학습을 하는 방식입니다.

 

 

딥러닝

딥러닝은 머신러닝의 신경망 중에서도 입력층과 출력층 사이에 2층 이상의 은닉층이 있는 신경망을 의미합니다.

알고리즘 종류로는 CNN, RNN 등이 있습니다.

 

● CNN(Convolutional Neural Networks)

CNN은 합성곱을 이용한 딥러닝 기법 중 하나로 딥러닝에서 주로 이미지나 영상 데이터를 처리할 때 쓰입니다.

 

● RNN(Recurrent Neural Network)

RNN은 딥러닝에서 은닉층의 노드에서 활성화 함수를 통해 나온 결괏값을 출력층 방향으로 보내고, 다시 은닉층 노드의 다음 계산의 입력으로 보내는 특징이 있습니다. 즉, 은닉층에서 출력된 값이 다음 은닉층에 입력되는 것입니다. 주로 자연어 처리할 때 쓰입니다.

*추후 자세히 다룰예정입니다

 

이번 시간에는 인공지능, 머신러닝, 딥러닝이 뭔지에 대해 알아보았으며 각각엔 어떤 종류가 있는지 알아보았습니다. 다음 시간에는 각각에 대해 좀 더 자세히 알아보는 시간을 가지도록 해보겠습니다.

 

만약 이해가 어렵거나 혹은 잘못된 부분이 있다면 언제든 댓글로 알려주시면 감사하겠습니다!

 

 

참조

https://ko.wikipedia.org/wiki/%EA%B8%B0%EA%B3%84_%ED%95%99%EC%8A%B5

기계 학습 - 위키백과, 우리 모두의 백과사전

 

https://ko.wikipedia.org/wiki/%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5

지도 학습 - 위키백과, 우리 모두의 백과사전

 

https://ko.wikipedia.org/wiki/%EB%B9%84%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5

비지도 학습 - 위키백과, 우리 모두의 백과사전

 

https://ko.wikipedia.org/wiki/%EA%B0%95%ED%99%94_%ED%95%99%EC%8A%B5

강화 학습 - 위키백과, 우리 모두의 백과사전

 

https://ko.wikipedia.org/wiki/%EB%94%A5_%EB%9F%AC%EB%8B%9D

딥 러닝 - 위키백과, 우리 모두의 백과사전

 

https://velog.io/@ljs7463/%ED%81%B4%EB%9F%AC%EC%8A%A4%ED%84%B0%EB%A7%81

클러스터링(군집화) 정리

 

https://jogrammer.tistory.com/351

[통계] 비지도학습(차원 축소, 군집분석)

 

https://hezzong.tistory.com/23

[python] 연관규칙분석(ASSOCIATION RULE ANALYSIS)

 

https://julie-tech.tistory.com/120

이상탐지, Anomaly Detection

 

https://jhryu1208.github.io/data/2020/11/24/ML_Neural-Network/

[ML with Python] 2. 지도 학습 알고리즘 (6-1) 신경망 모델(다층 퍼셉트론)

 

https://wooono.tistory.com/104

[ML] 의사결정트리(Decision Tree) 란?

 

https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_%EB%A8%B8%EC%8B%A0

서포트 벡터 머신 - 위키백과, 우리 모두의 백과사전

 

https://wikidocs.net/24958

07-01 퍼셉트론(Perceptron)

 

https://hongong.hanbit.co.kr/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98%EC%9D%84-%EC%86%8C%EA%B0%9C%ED%95%A9%EB%8B%88%EB%8B%A4/

머신러닝 딥러닝 알고리즘을 소개합니다. : 인공지능 영역의 확장