패스트캠퍼스 환급챌린지 19일차 : Part2. 인공지능의 이해 Lv1. 인공지능/딥러닝 파헤치

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스

Ch01-01 AI vs ML vs DL

- AI : 인간의 지적 능력을 인공적으로 만든 것으로 AI > ML > DL 의 포함 관계를 가지게 됨

- ML은 머신러닝으로 데이터를 기반으로 하고, DL은 딥러닝으로 인공 신경망을 기반으로 학습하는 것을 말함

Ch01-02 딥러닝의 활용 CNN 인공 신경망

- CNN (Convolutional Nenural Networks)

: 이미지 분류에 강한 인공 신경망으로, 이미지를 RGB의 0~255 사이의 숫자로 입력하여, 숫자 분류가 나오는 형태

Ch01-03 딥러닝의 활용 RNN

- RNN (Recurrent Nenural Networks)

: 번역에 많이 쓰이는 것으로, 문장이 들어가서 문장이 나오는 형태. 글자를 숫자로 정의해서 사용함

Ch01-04 딥러닝의 활용 GAN

- GAN (Generative Adversarial Networks)

: 데이터를 생성하는 Generative와 실제 데이터와 Generative로 생성된 데이터를 구분하기 위한 Discriminator로 나뉨

: Discriminator는 학습이 진행될 수록 진짜와 가짜를 구분하는 확률이 0.5에 근사하게 됨

Ch01-05 머신러닝의 분류 : 지도 학습

- 문제의 정답을 알고 있는 경우에 사용하는 학습 모델로, 회귀 분류가 지도 학습의 예

Ch01-06 머신러닝의 분류 : 비지도 학습

- 문제의 정답을 모르는 경우에 사용하는 학습 모델로, 군집과 차원 축소, GAN이 예

Ch01-07 머신러닝의 분류 : 자가 지도 학습

- 데이터가 많지만, 정답을 알고 있는 데이터가 적은 경우에 사용하는 학습 모델로, 주어진 문제 대신 작은 문제를 새롭게 정의해서 해당 문제를 풀고 답을 맞추면서 학습하는 모델

Ch01-08 머신러닝의 분류 : 강화 학습

- 주어진 문제에 대해서 보상을 최대로 받을 수 있는 답을 찾아서 학습하는 모델 

: 보상에 대한 최적화를 위해 discount를 사용