๋ค์ด๊ฐ๋ฉฐ
ย ย ย AI์ ๋ํด์ ํฅ๋ฏธ๋ ์์์ง๋ง, ๋ง์ฐํ๊ฒ ๋ฏธ๋์ด์์๋ง ์ ํ๋ค๊ฐ ์ข ๋ ๊น์ด ์๊ฒ ๋ฐฐ์๋ณด๊ณ ์ถ๋ค๋ ์๊ฐ์ ํ๋ ์ค์ project lion์ด๋ ๊ณณ์์ AI ๋ถํธ ์บ ํ๋ฅผ ์์ํ๋ค๋ ์ด์ผ๊ธฐ๋ฅผ ๋ฃ๊ณ ๋์ปฅ ์ ์ฒญํด๋ฒ๋ ธ๋ค. ์ด๋ฒ๋ ๋์ ๋ญ๊ฐ ์๋ก์ด ๋ถ์ผ๋ฅผ ๊ณต๋ถํ๋ฉด ์ข๊ฒ ๋ค ์๊ฐ์ ํ์๋๋ฐ, ์ข์ ๊ธฐํ๊ฐ ๋ ๊ฒ ๊ฐ๋ค. ์ด 8๊ฐ์ ์ฑํฐ๋ก ๊ตฌ์ฑ๋์ด ์๊ณ ์จ๋ผ์ธ์ผ๋ก ์งํ๋๋ค. ๋งค์ฃผ ํ ์ฑํฐ์ฉ ๊ฐ์๊ฐ ์คํ๋๋ฉฐ ์ค๊ฐ์ค๊ฐ ๊ณผ์ ์ ๋ง์ง๋ง ํด์ปคํค(5์ฃผ)์ผ๋ก ์ด 13์ฃผ๋ก ๋ง๋ฌด๋ฆฌ๋๋ ์ผ์ ์ด๋ค. TIL์ ํตํด ๊ฐ์ ๋ด์ฉ์ ์ ๋ฆฌํ๊ณ ๋ถ์กฑํ ๋ถ๋ถ์ ์ฑ์๋ฃ์ ์๊ฐ์ด๋ค. 1์ฃผ์ฐจ๋ AI์ ์ ๋ฐ์ ์ธ ๊ฐ๋ฒผ์ด ์๊ฐ๋ก ์์๋์๊ณ , ๊ทธ ์ค Machine Learning์ ๋ํด์ ์ค์ ์ ์ผ๋ก ๊ฐ์๊ฐ ์งํ ๋์๋ค.
1์ฃผ์ฐจ
- AI, ๋จธ์ ๋ฌ๋, ๋ฅ๋ฌ๋์ ์ดํด
- ๋จธ์ ๋ฌ๋ basic
- ๋จธ์ ๋ฌ๋ ๋ฌธ์ ์ ๋ถ๋ฅ
- ํ์ต๋ฐฉ๋ฒ์ ๋ถ๋ฅ
- (์ค์ต) numpy
AI > Machine Learning > Deep Learning
ย ย ย AI, ML, DL์ ๊ด๊ณ๋ ์์๊ฐ์ด ํฌํจ๊ด๊ณ๋ผ๊ณ ํ๋ค. ์์ง์ ์ฉ์ด๋ ์๊ณ ๋ฆฌ์ฆ ์ด๋ฆ๋ค์ด ์ต์์น ์์ง๋ง ์ ๋ฆฌํด๋ณด๋ฉด ์๋์ ๊ฐ๋ค.
1. AI
- ์ฌ๋์ฒ๋ผ ํ๋ํ๊ณ ์๊ฐํ๊ณ , ํฉ๋ฆฌ์ ์ผ๋ก ์๊ฐํ๊ณ ํ๋ํ๋ค. ์ด๊ฒ์ ์ปดํจํฐ๋ก ๊ตฌํํ ๊ธฐ์
- ๊ธฐ์กด์ Traditional AI: Rule-based System, ๋ถ๋ช ํ ํ๊ณ์ ์ด ์กด์ฌํ์ฌ Machine Learning์ ๋ฑ์ฅํ๊ฒ ๋์๋ค.
- Traditional AI ์ข
๋ฅ์๋ Search alg, Propositional Logic, First-Order Logic, Plannig ๋ฑ์ด ์๋ค.
2. Machine Learning
- ์ฃผ์ด์ง ๋ฐ์ดํฐ๋ก๋ถํฐ ํ์ต์ ํ๊ณ , ์๋ก์ด ์ ๋ณด๋ฅผ ์ป์ด๋ด๊ฑฐ๋ ์์ธกํ๋ ๊ธฐ์ . ๋ฐ์ดํฐ๊ฐ ๋ง์์๋ก ์ฑ๋ฅ์ด ์ข์์ง๋ค.
- Supervised Learning, Unsupervised Learning
- ex. Linear regression, Decision tree, K-means Clustering
3. Deep Learning
- neural network
- Hierarchial representation learning (๊ณ์ธต์ ํ์ต)
- ex. visual / speech recognition ๋ structured data์ ํ์ฉ(๊ฐ์ธํ ์ถ์ฒ)
Machine Learning
- ML์ ํ๋ก์ธ์ค๋, Training ๋จ๊ณ์์ training data๋ฅผ ํตํด์ ๋ชจ๋ธ์ ํ์ตํ๊ณ , ํ์ตํ ๋ชจ๋ธ์ ํตํด์ Test ๋จ๊ณ์์ test data๋ฅผ ํตํด ๋ชจ๋ธ์ ์ฑ๋ฅ์ ์ธก์ ํ๋ค.
ML Data set
- traing set(ํ์ต์ ์ํ), validation set(๋ชจ๋ธ์ ์ ์ ํ๊ธฐ ์ํ), test set(์ฑ๋ฅ์ ์ธก์ ํ๊ธฐ ์ํ)
- Data set์ด ์ถฉ๋ถํ ํฌ์ง ์๋ค๋ฉด? k-fold cross validation์ ์ด์ฉํ๋ค.
- k-fold cross validation: Data set์ K๊ฐ์ ๋ถ๋ถ์งํฉ์ผ๋ก Data set์ ๊ตฌ์ฑํ๊ณ ๊ทธ ์ค 1๊ฐ๋ validation set ๋๋จธ์ง๋ training set์ผ๋ก ์ฌ์ฉํ๋ค, ๋ฐ์ดํฐ์๊ฐ ๋๋ฌด ์ ๊ฒ๋๋ฉด underfitting ๋์ด ๋ชจ๋ธ์ ์ฑ๋ฅ์ด ์ข์ง ์์ ์ ์๊ธฐ๋๋ฌธ์ ์ฌ์ฉํ๋ค.
ML์ ๋ชฉ์
- ์๋ก์ด input data๊ฐ ๋ค์ด์ค๋๋ผ๋ ์ข์ ์ฑ๋ฅ์ ๋ด๋ ๋ชจ๋ธ์ ํ์ต
- underfitting(high bias(ํธํฅ)) -> optimization, more complex model ํ์
- overfitting(high variance(๋ถ์ฐ)) -> regularization, more data ํ์
- ์์ under, overfitting์ ํผํ๊ธฐ ์ํด์ ์ ์ ํ bias-variance Trade off ๊ฐ ํ์ํ๋ค.
ML ๋ฌธ์ (task) ๋ถ๋ฅ
- Classifiation: ๋ฐ์ดํฐ๋ฅผ labelํ๊ณ ์๋ก์ด ๋ฐ์ดํฐ๊ฐ ๋ค์ด์์๋ labelingํ๋ ๊ฒ(๋ถ๋ฅ)
- Regression: input ๋ฐ์ดํฐ์ ๋ํ output ๋ฐ์ดํฐ๋ฅผ ๋งตํ ex. Linear regression, Logisitic regression
- Densitiy Estimation: input ๋ฐ์ดํฐ์ ํ๋ฅ ๋ถํฌ(ํจํด)์ ์ฐพ๋ ๊ฒ
ML ํ์ต ๋ฐฉ๋ฒ์ ๋ถ๋ฅ
- Supervised Learning: input์ ๋ํ output์ ๋ํ ๊ฐ์ด ์ฃผ์ด์ง(labeled) ex. ์ํ๊ณ , siri, translator
- Unsupervised Learning: input์ ๋ํ output์ด ์๋ ์๋ฏธ์๋ ํจํด์ ์ฐพ๋ ๊ฒ(unlabed) ex. Clustering, auto-encoder
- Reinforcement Learning: observationํ๊ณ action์ ๋ํด reward๊ฐ์ ์ค์ผ๋ก์จ ํ์ตํ๋ค.
- Semi-supervised Learning
- Self-supervised Learning