[Do it ! 정직하게 코딩하며 배우는 딥러닝 입문] 1장 딥러닝을 소개합니다

01 딥러닝을 소개합니다

 

01-1 인공지능을 소개합니다

Artificial Intelligence

Strong AI

Weak AI

 

01-2 머신러닝을 소개합니다

기계학습(Machine Learning)

 

학습(훈련) : 데이터의 규칙을 컴퓨터 스스로 찾아내고 수정하는 과정

규칙 : 수식(모델)에서의 가중치와 절편

모델 : 학습을 통해 만들어진 프로그램(수식) 그 자체. 머신러닝의 수학적 표현. 모델은 새로운 입력에 대한 예측(타겟)을 만들어 낸다.

손실함수 : 타겟값과 예측값의 차이를 계산하는 함수.

최적화 알고리즘 : 손실 함수의 최솟값을 효율적으로 찾는 방법론.

 

지도학습(supervised learning) : 훈련데이터(입력과 타겟)를 통해 모델을 훈련시키는 과정 > 정형 데이터에 유효

비지도학습(unsupervised learning) : 타겟이 없는 데이터를 통해 모델을 훈련시키는 과정 > 비정형 데이터에 유효 > CV, NLP 등

강화학습(reinforcement learning) : 주어진 환경으로부터 피드백을 받아 훈련시키는 과정 > Q-러닝, SARSA, DQN

 

01-3 딥러닝을 소개합니다

 

머신러닝의 알고리즘(선형 회귀, 로지스틱 회귀, 인공신경망) 중 하나인 인공신경망을 여러겹으로 겹쳐서 모델링하는 것을 딥러닝이라고 한다.(따라서 엄밀히 말하면 '인공신경망 !== 딥러닝' 이지만, 일반적으로 인공신경망을 단독으로 사용하지는 않기때문에 '인공신경망 == 딥러닝'으로 생각해도 좋다. 즉, '인공신경망 === 딥러닝' 은 아니다.)