머신 러닝과 딥러닝

 

1. 인공지능, 머신러닝, 딥러닝의 차이

요즘 자주 사용되는 인공지능, 머신러닝, 딥러닝에 대해 구분해봅시다.

AI는 컴퓨터가 인간의 학습력, 추론력등을 따라할 수 있는 모든 기술적 방법을 의미합니다.

ML은 A.I의 세부분야로, 데이터(주로 정형화된)를 기계학습을 통해  최적화된 모델을 찾는 것입니다.

DL은 ML의 세부분야로, 데이터(비정형화된)를 인공신경망 기술을 통해 최적화된 모델을 찾는 것입니다.

따라서 포함관계를 나타내자면 AI ⊃ ML ⊃ DL 이라고 할 수 있습니다.

 

 

2. 머신러닝이란

AI중 기계학습을 통해 데이터를 처리하는 분야인 머신러닝(ML)에 대해 알아보겠습니다.

ML이 우리가 알고있던 프로그래밍과 확연히 다른 점은 규칙을 컴퓨터 스스로 찾아낸다는 것입니다.

전형적인 프로그래밍의 절차는 "자신의 규칙을 만들어 컴퓨터에게 명령어를 전달하면" 컴퓨터가 연산을 통해

결과를 처리해주는 것이었습니다. 

ML은 데이터를 전달해주면 컴퓨터가  그 데이터의 규칙을 추론하고 모델링하는 방법입니다.

 

 

3. ML의 학습 방식

ML의 학습방식에는 지도 학습(supervised learning)과 비지도 학습(un-)이 있습니다.

지도 학습은 입력(problem ≒ input)과 타겟(target ≒ output)을 주어 프로그램을 훈련시키는 것입니다.

비지도 학습은 입력만 있고 타겟이 없는 데이터로 훈련시키는 것입니다. 

여기서 훈련시키는 프로그램을 모델이라고 부릅니다. 학습에 있어 가장 중요한 것은 훈련 데이터입니다.

올바른 데이터가 충분히 학습할 정도로 많아야 최적화된모델링을 할 수 있습니다.

 

 

 

 

4. DL의 학습 방식

머신러닝의 학습방법에는 선형회귀, 로지스틱 회귀, 인공신경망 등 여러 방법이 있습니다.

그 중 인공신경망을 이용한 학습방법을 딥러닝이라 칭합니다. 딥러닝은 강화학습을 수행합니다.

딥러닝은 영상, 음성, 번역 등 비정형 데이터를 처리하는데 특화되어 있습니다. 

반면 데이터베이스, 엑셀 등에 담긴 수치해석 데이터를 처리하는데에는 그외 머신러닝이 적합합니다.

이렇게 데이터 유형에 따른 처리능력에 따라 둘을 구분할 수 있습니다.