[머신러닝] 01. 인공지능 정의

인공지능의 정의

• 인간의 지능을 기계로 구현하는 모든 형태

인공지능의 범위

인공지능 > 머신러닝 > 딥러닝

인공지능 구현방식

• 초기에는 지식전달방식으로 구현
  • 개발자가 기계에게 일반적인 규칙을 알려줌
  • 심한 변환의 양상에는 잘 대처하지 못함
  • 기호주의(rule-based)
• 후기에는 데이터중심으로 구현
  • 데이터를 중심으로 기계가 학습(규칙/패턴인식)한 뒤
  • 새로운 데이터를 통해 예측/분류함
  • 훈련을 위한 많은 양질의 데이터가 필요
  • 연결주의(신경망이용)

머신러닝

• 컴퓨터가 경험을 통해 학습할수 있도록 프로그래밍하되
  세세하게 프로그래밍 해야하는 번거로움에서 벗어나게 하는 것

머신러닝 알고리즘

• 지도학습 : 데이터와 레이블(정답)을 통해 훈련 수행
  • 분류 : 범주형데이터, 이진분류, 다항분류
    • ex) 개,고양이 사진 분류, 스팸분류
    • KNN,의사결정나무,로지스틱회귀,나이브베이즈,
      SVM,신경망,부스팅
  • 회귀 : 연속형데이터, 예측
    • ex) 주식시세 예측
    • 선형회귀,의사결정나무,부스팅,신경망
• 비지도학습 : 데이터만을 통해 학습
  • 군집화 : 유사한 성격의 데이터끼리 모음
    • ex) 추천시스템, 고객별 타겟마케팅
    • kmeans
  • 차원축소 : 독립변수feature의 갯수를 줄임
    • ex) 변수제거, 시각화
    • PCA