인공지능의 방법론(AIDE 2급 자격시험 요점 정리)

인공지능의 방법론

1. 인공지능 : 퍼셉트론 + 머신러닝 알고리즘

퍼셉트론 : 프랭크 모젠블라트, 뇌의 뉴런구조를 컴퓨터로 그대로 구현한 초기 알고리즘으로 딥러닝(신경망)의 기원

2. 인공신경망(신경망) : 퍼셉트론이 모여서 만들어진 것

가. 신경망의 구조 : 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)

- 입력층(input layer) : 학습할 데이터 입력

- 은닉층(hidden layer) : 여러 단계로 데이터 처리

- 출력층(output layer) : 결과물 출력

나. 인공지능의 방법 : 인공지능, 머신러닝(스스로 학습), 딥러닝(인공신경망)

인공지능 : 인간의 지적능력을 컴퓨터로 구현한 것

머신러닝 : 스스로 학습하여 인공지능을 향상시키는 기술

딥러닝 : 인간과 비슷하게 학습하는,인공신경망으로 학습하는 학습방법

- 인공지능 > 머신러닝 > 딥러닝

1) 머신러닝과 딥러닝의 차이

- 머신러닝 : 데이터의 특징을 사람이 분석 판단하여 입력(사람의 개입)하여 학습

- 딥러닝 : 사람이 데이터만 입력하면 기계가 특징을 추출하여 스스로 학습 즉 딥러닝은 머신러닝의 한방법

2) 머신러닝의 학습 종류 : 인공신경망(딥러닝), 결정트리, 베이츠 네트워크, 서포트 벡터 머신

3) 딥러닝의 알고리즘(학습방법) : CNN, RNN, LSTM, GRM 등

4) 머신러닝 학습 방법 : 지도학습, 비지도학습, 강화학습

- 지도학습(Supervised Learning) : 문제의 정답을 알려주고 학습(예측, 분류, 회귀), 기계가 딥러닝으로 학습하는 방법 많은 데이터 필요하고(단점) 학습 가능하기 위해서 데이터 라벨링이 필요,

- 비지도학습(Unsupervised Learning) : 답을 가르쳐주지 않고 학습(연관 규칙, 군집), 유사한 것을 찾기

- 강화학습(Reinforcement Learning) : 보상을 통한 학습(보상)

0. 회귀 : 아는 걸 분석하여 모르는 걸 예측

0. 인공지능의 체계 : 기계학습 > 지도학습 > 딥러닝 > 예측, 감측