00. 머신러닝? 딥러닝?_독학으로(맨땅에서) 딥러닝 이해하기

Do it! 정직하게 코딩하며 배우는 딥러닝 입문

모든 내용은 위에 링크된 딥러닝 입문서를 공부하여 정리한 글입니다.

---

0.

동기

갑자기 서점에 가고 싶었고, 갑자기 인공지능이 궁금했고, 갑자기 책을 구매해서 입문해야겠다 생각했다.

안그래도 요즘 특수대학원 때문에 고민이 많은데 이런걸 추가로 하면 힘들지 않을까 고민이 많이 되었지만 

일단 그냥 해보기로 했다. 혹시 업무에 적용시킬 수 있지 않을까 하는 바람도 있었다.

 

1.

인공지능

인공지능(Artificial Intelligence)이란, 사람의 지능을 만들기 위한 시스템이나 프로그램을 뜻한다.

말 그대로 사람같은 "인공지능"은 따로 [강인공지능]이라 부르고 영화 아이언맨의 '자비스', 영화 그녀의 '사만다' 등과 같은 인격체 수준의 인공지능을 말한다. 현재의 기술로서는 [강인공지능]을 만드는 방법이나 개발될 시기조차 예측을 하지 못한다.

지금까지 발전되고 우리가 흔히 아는 머신러닝과 딥러닝과 같은 분야는 [약인공지능]이라고 불린다. 예를 들면 애플의 '시리', 테슬라의 자율자동차 등이 있다.

우리는 [약인공지능]에 대해 배우고 공부할 예정이다.

 

2.

머신러닝

머신러닝(Machine Learning)은 직역해서 기계학습이라는 의미이다. 일반적인 프로그램은 사람이 직접 규칙을 정해서 동작하지만 머신러닝은 규칙을 스스로 수정한다. 규칙을 수정하는 과정을 '훈련' 또는 '학습'이라고 부른다.

학습방법에 따라 분류되는데 지도학습(supervised learning), 비지도학습(unsupervised learning), 강화학습(reinforcement learning)이 있다. 그 중에서 지도학습을 공부해 볼 것이고, 다른 학습방법들은 지도학습을 이해한 뒤 넘어가보려 한다. 

지도학습은 입력과 타깃으로 모델을 훈련시킨다. 기존에 누적된 Data를 통해 이후 도출될 값을 예측한다고 보면 된다. 예를 들면 다음날 비가 왔는지 안왔는지 구하기 위해 습도를 측정했고, 누적된 Data를 학습시켜 "습도가 ~% 라면 비가 온다"라는 규칙을 얻을 수 있는 것이다(입력:습도, 비 온 여부:타깃, 오늘 습도에 따라 내일 비가 오는 여부:모델, 습도가 ~% 라면 비가 온다":규칙). 즉, 문제에 대한 답을 주는 방법으로 모델을 훈련시키는 것이다.

 

규칙, 가중치, 절편, 손실 함수는 후에 더 배우고 다시 설명할 수 있도록 하겠다(아직은 이해 불가 ㅎ)