[AI] 01. AI 이론

정의

인공지능

인간의 지적능력(추론, 인지)을 구현하는 모든 기술

머신러닝

알고리즘으로 데이터를 분석, 학습하여 판단이나 예측하는 기술 (기계가 모델을 만든다)

• 선형회귀
• 로지스틱회귀
• K-최근접 이웃
• 결정트리
• 랜덤포레스트
• 서포트 벡터 머신

딥러닝

인공신경망 알고리즘을 활용하는 머신러닝 기술, 이때 인공신경망은 뉴런 네트워크(~~N)를 의미한다.

• 심층신경망(DNN)
• 합성곱 신경망(CNN)
• 순환 신경망(RNN)
• 강화 학습

---

머신러닝

지도학습

• 정답지로 학습 분류, 예측 (특정 동물 사진을 주고 동물 정보를 알려주면서 분류 및 예측하게 만든다)

비지도 학습

• 정답없이 학습 군집, 특성 도출 (차원축소, 군집화, 이상치 채우기 등에 활용)

강화학습

• 시뮬레이션 반복 학습 성능 강화 등에 사용 (에이전트가 환경에서 수많은 시행착오를 하면서 이득을 극대화, 손해를 최소화하는 것이 포인트다)

---

AI 모델 구성 요소: 데이터, 모델링

• 개발 라이브러리
  • 판다스:행렬, 다차원 배열 처리
  • 넘파이:데이터 처리 및 분석
• 개발 언어
  • 파이썬
  • 자바
• 개발 환경 IDE
  • 아나콘다
  • VSCode
  • 구글 코랩

---

AI 모델 학습 원리

데이터 특징을 파악하고 규칙(패턴)으로 만든다. 출력값이 정답과 최대한 일치하기 위해 모델의 비용함수(Cost function) 구한다. 비용함수를 최소화 하기 위해 최적화 알고리즘을 이용한다.

Cost fucntion 는 Y^(예측값)-Y(정답) = Cost, Loss, Error 구한다.

Optimize 알고리즘은 Cost를 최소로 줄이기 위해 모델의 파라미터(w, b)를 업데이트하면서 최적 모델로 생성한다.

---

AI 모델링 순서

데이터 수집 → 데이터 정리 → (Train) 모델학습 & (Test) 테스트 데이터셋 → 모델테스트 (→ 모델학습으로 돌아가기도 한다) → 모델 배포