딥러닝 기술 종류 1

Overview

딥러닝과 인공지능은 정말 흥미로운 분야인것 같습니다. 이 기술들을 이해하기 위해서는 여러 관점으로 나누어 보는 것이 도움이 됩니다. 특히 가장 기본이 되는 세 가지 관점이 있는데요, 바로 데이터, 학습 방식, 그리고 Task입니다.

AI 구분법

데이터 관점

1. 정형(Tabular) 데이터
   • 엑셀이나 데이터베이스처럼 잘 정리된 형태의 데이터를 말합니다
   • 각 열과 행이 명확하게 구분되어 있죠
2. Vision 데이터
   • 이미지나 영상과 같은 시각적 데이터입니다
   • 사진 한 장도 수많은 픽셀 값으로 이루어져 있어요
3. Text 데이터
   • 책, 문서, 웹페이지 등의 텍스트 정보입니다
   • 자연어 처리의 기본이 되는 데이터죠
4. Speech 데이터
   • 음성이나 소리 데이터를 말합니다
   • 시간에 따른 음파의 변화를 담고 있어요

학습 방식 관점

1. 지도 학습 
   • 입력과 정답을 쌍으로 제공하며 학습하는 방식입니다
   • 분류(Classification)와 회귀(Regression)로 나뉘는데:
     • 분류는 주어진 클래스 중 하나를 선택하는 문제입니다
     • 회귀는 연속적인 값을 예측하는 문제입니다
   • Object Detection처럼 두 가지(분류 + 회귀)를 함께 사용하는 경우도 있죠
   • 라벨링 노이즈(데이터 품질 문제)가 성능에 큰 영향을 미칩니다
2. 비지도 학습
   • 정답 없이 데이터만으로 학습하는 방식입니다
   • 주로 차원 축소나 클러스터링에 사용됩니다
   • 오토인코더는 대표적인 예시입니다
   • 차원 축소는 다음과 같은 목적으로 사용됩니다:
     • 정보 압축: 저장 공간 절약
     • 정보 시각화: 복잡한 데이터 이해
     • 중요 특징 추출: 분석에 활용
3. 강화 학습
   • 환경과 상호작용하며 보상을 최대화하는 방향으로 학습합니다
   • 4가지 핵심 요소가 있습니다:
     • Agent: 행동을 취하는 주체
     • Environment: 상호작용하는 환경
     • Action: 취할 수 있는 행동들
     • Reward: 행동에 대한 보상
   • Model-Free 방식에서는 두 가지 AI가 필요합니다:
     • 정책 함수: 상태에 따른 행동 결정
     • 가치 함수: 상태와 행동의 가치 평가

이처럼 AI는 결국 특정 입력에 대해 원하는 출력을 만들어내는 프로그램입니다. 컴퓨터는 숫자만 이해할 수 있기 때문에, 모든 입력과 출력은 숫자 형태로 표현된다는 점도 중요하죠.

더 자세히 알고 싶으신 부분이 있으신가요?