[인공지능] 인공지능개론

주재걸 교수님을 뵙다.

이어드림스쿨에 대한 정보를 처음 접하고

커리큘럼과 담당강사, 교수진을 보았을 때

저의 눈길을 가장 끌었던 내용은

바로 KAIST 주재걸 교수님의 이름이었습니다

너무 어릴때 꿈이기는 하지만

저도 한때는 과학자를 꿈꿨었고

KAIST에 들어가는게 저의 꿈이었다죠..ㅋㅋ

아무튼 이어드림스쿨을 통해

그동안은 모르고있었지만

국내 AI 분야에서 권위가 있으신

KAIST 김재철AI대학원의 주재걸 교수님께 인공지능개론을 듣게되었습니다

아래 내용은 그 내용을 바탕으로 제가 요약한 것입니다

---

Deep Learning

Deep learning refer to artificial neural networks that are composed of many layers.

딥 러닝은 여러 계층으로 구성된 인공 신경망을 말합니다.

인공지능 vs. 머신러닝 vs. 딥러닝

Artificial Neural Networks (인공신경망)

• 인간 두뇌에 존재하는 신경 세포 (뉴런) 의 동작과정을 모방하여, 이를 인공지능 알고리즘으로 구현한 기술

Deep Neural Networks (심층신경망)

• 인공신경망의 계층을 많이 쌓음으로써, 인공지능 기술의 정확도를 획기적으로 향상시켰음

딥러닝의 성공요인

• 데이터 : 대규모 데이터셋
• 하드웨어 : GPU가속
• 알고리즘 : 알고리즘 고도화 (e.g., batch norm, ADAM, attention)

딥러닝의 적용분야

• 컴퓨터 비전 : 현재 사람보다 뛰어난 성능을 보임
• 자연어 처리 : 기계번역, 대화시스템, 문서분류
• 음성 인식 : text-to-speech, 화자 인식, 노이스 캔슬링
• 게임 인공 지능 : 바둑, 스타크래프트
• 의료 : 질병 자동 진단
• 법률 : 판결 예측
• 금융 : 주식 예측, 자산 관리 및 투자

기계학습의 입력 데이터

• 첫번째 단계로서, 다양한 분야에 기계학습을 적용하기 위해, 다양한 형태의 데이터를 먼저 숫자로 나타내야 함.
• 구체적으로는, 다차원 벡터나 그래프 (혹은 네트워크) 형태의 데이터로 나타내야함.

기계학습 데이터의 구성 요소

• 데이터의 구성 요소
  • Data items
  • Features (attributes, dimensions)
  • Labels
• Feature 및 label의 형태
  • Continuous
  • Discrete
    • Categorical (norminal)
    • Ordinal