[스터디] 머신러닝과 딥러닝

머신러닝?

한국어로 기계 학습이라고도 하며, 인공지능의 하위 분야로

컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다.

 

AI ⊃ ML ⊃ DL ⊃ Neural networks

 

머신 러닝은 다양한 알고리즘 기법을 적용하는 여러 유형의 모델로 구성된다. 

데이터의 특성과 원하는 결과에 따라 지도 학습, 비지도 학습, 준지도 학습, 강화 학습 네 가지 학습 모델로 나누어 진다.

기본적으로 분류, 패턴 발견, 결과 예측, 정보 기방의 의사결정 등을 수행할 수 있다.

 

지도 학습

비지도 학습

준지도 학습

강화 학습: 보상을 주는 방식. 이 모델은 여러 면에서 사람에게 체스 게임을 하는 법을 가르치는 것과 유사합니다. 체스 말이 이동할 수 있는 경우를 모두 보여주는 것은 불가능하며, 그 대신 규칙을 설명해주고 연습을 통해 기술을 습득하도록 합니다. 보상은 게임을 이기는 것뿐 아니라 상대방의 말을 획득하는 형태로 이루어집니다. 강화학습 적용 분야에는 온라인 광고 구매자의 자동 가격 입찰, 컴퓨터 게임 개발, 고위험 주식 시장 거래 등이 있습니다(Sap.com 참고)

 

딥러닝?

딥러닝은 머신러닝의 하위 집합으로 학습 과정 동안 인공신경망으로 데이터에서 얻튼 일반적인 규칙을 훈련한다. 

여러 신경망 레이어와 이질적인 대량의 데이터를 포함하므로 '딥'이라는 표현을 붙인 것이다.

 

 

신경망?

인공신경망(ANN)은 생물학적 두뇌의 뉴런을 기반으로 모델링된 네트워크이다. 인공뉴런은 노드라고 하며, 여러 레이어로 클러스터화 되고 병렬로 작동한다. 인공뉴런은 숫자로 된 신호를 수신하면 이를 처리하고 해당 뉴런과 연결된 다른 뉴런에 신호를 보낸다. 사람의 뇌와 마찬가지로, 신경 강화를 통해 패턴 인식, 전문지식, 전반적인 학습을 수행한다.