머신러닝/딥러닝

  • 이현복

    ### what?

    머신 러닝 : 경험을 토대로 진화하는 컴퓨터 알고리즘

    딥 러닝 : 머신 러닝의 일종으로, 인공신경망과 표현학습을 기반으로 하는 기술

    인공신경망 : 생물체 뇌의 뉴런 네트워크를 모사하여 만든 컴퓨팅 시스템

    표현학습 : 자동적으로 특징을 찾아내 이를 분류하는 데이터 가공 방법

    ### why?

    1. 기업 활동 효율화

      소비자 데이터 파악, 맞춤형 광고 제공 가능

    2. 오류 발견에 효과적

    출처 :

    [9 Reasons Why You Should Keep Learning Machine Learning Hacker Noon](https://hackernoon.com/9-reasons-why-you-should-keep-learning-machine-learning-7n7h307n)

    ### how?

    머신 러닝 소프트웨어

    파이썬

    AI 개발에 가장 많이 사용하는 언어

    라이브러리

    tensorflow

    pytorch

    keras

    scikit-learn

    scipy

    pandas

    배경 지식

    MATLAB

    배경 지식

    통계학

    확률 분포, 베이즈 정리, 회귀 분석

    선형대수학

    행렬

    수치해석학

    비선형 모델, 소수점 문제

    미적분학

    라그랑주 승수법

    병렬 및 분산 시스템

  • 정효인

    # Machine Learning, Deep Learning

    ## What?

    https://tensorflowkorea.files.wordpress.com/2018/12/028.jpg?w=625

    인공지능을 구현하기 위한 알고리즘 중 하나가 머신러닝이고, 머신러닝의 기법 중 하나가 딥러닝이다.

    머신러닝: 어떤 다양한 규칙, 데이터를 기반으로 스스로 학습하여 자기 모델의 성능을 향상시킬 수 있는 보편적인 알고리즘 딥러닝: 머신러닝의 기법 중 뉴럴 네트워크(우리의 뇌)를 참조한 기법. 머신러닝의 다른 기법들보다 퍼포먼스가 좋아 대두됨.

    ## Why?

    컴퓨터는 초기에 연산을 목적으로 만들어졌었다. 하지만, 연산을 뛰어넘어 컴퓨터에 실제로 사람이 하는 추론, 이미지 인식, 언어소통의 기능을 구현하고자하는 desire가 인공지능이라는 학문을 만들게 됐다.

    AI를 근접적으로나마 구현하기 위하여 이러한 러닝 알고리즘들이 필요하고, 머신러닝-딥러닝이 현재 기법 중 가장 좋은 성과를 보이기때문에, 존재이유가 있다.

    ## How?

    머신러닝:

    1. 대학에서 선형대수, 다변수해석학, 통계학과목을 들어보자
    2. 파이썬을 배운다
    3. 다양한 머신러닝 개념들을 배운다.(단어 뜻, 머신러닝의 종류, 머신러닝의 과정(데이터 수집, 통합, 정리, 전처리))
    4. 대회/머신러닝 프로젝트 참여: ex)

    Titanic - Machine Learning from Disaster

    딥러닝: 파이썬 → Tensorflow

  • 고준희

    [What]

    인공지능>머신러닝>딥러닝

    인공지능: 인간의 학습능력, 추론능력 등을 컴퓨터를 통해 구현하는 포괄적인 개념

    머신러닝: 데이터를 사용해 명시적으로 정의되지 않은 패턴을 학습하여 미래 결과를 예측하는 알고리즘.

    머신러닝의 7단계

    https://towardsdatascience.com/the-7-steps-of-machine-learning-2877d7e5548e

    딥러닝 : 머신러닝의 한 기법의 하나로 인공신경망을 통하여 학습하는 알고리즘의 집합. 현재 머신러닝의 다른 여러 방법 중 가장 정확도가 높고 성능이 좋아 널리 쓰이고 있다. 딥러닝의 핵심은 분류를 통한 예측이다.

    [Why]

    세상에는 발전된 컴퓨터와 휴대폰, 그리고 사람들로 인해 엄청난 양의 데이터가 만들어지고 있다. 전통적으로 인간은 데이터를 분석하여 시스템이 데이터 패턴의 변화에 적응하도록 했다. 하지만, 데이터의 양의 인간의 데이터 분석 능력 및 분석 방법의 수동 기록 속도를 현저히 능가하게 되면서 이제는 자동적으로 데이터로부터 배울 수 있는 시스템을 구축해야 할 뿐만 아니라 달라지는 데이터의 구조에 적응할 수 있는 시스템이 필요하게 됐다.

    이미지 인식부터 이상 금융 거래 적발 및 추천 시스템 뿐만 아니라 텍스트와 스피치 시스템에도 응용되고 있다. 당뇨 망막증 및 피부암 적발부터 셀프 주차의 교통 수단 등으로 광범위하게 적용될 수 있다.

    [How]

    %E1%84%86%E1%85%A5%E1%84%89%E1%85%B5%E1%86%AB%E1%84%85%E1%85%A5%E1%84%82%E1%85%B5%E1%86%BC%20%E1%84%83%E1%85%B5%E1%86%B8%E1%84%85%E1%85%A5%E1%84%82%E1%85%B5%E1%86%BC%2084abb1a209f145f0b5833044238f5983/image01.png

    위 머신러닝 프레임워크로 구현할 경우 쉽고 빠르게 개발할 수 있다.

    하지만 동작원리와 내부 구현을 자세히 알 수 없는 블랙박스로서 동작한다.

    파이썬을 이용해 직접 구현하면 머신러닝 동작원리를 자세히 알 수 있고 동시에 알고리즘에 대한 깊은 이해가 가능하다. 또한 새로운 머신러닝 알고리즘이 나왔을 때 빠르게 코드를 이해할 수 있는 insight는 덤!

  • 김건호

    .

  • 김윤재

    머신러닝/딥러닝

  • 임수환

    What?

    -

    Why?

    -

    How?

    -