인공지능의 핵심은 학습이다 곧 머신러닝이다.
머신러닝이란 컴퓨터 프로그래밍이고 필요한것은 통계학적인 방법, 수학적인 방법이다.
수학적인 개념을 외면하고 머신러닝을 바라보게되면 한계가 있다.
이번 강의를 통해 모델이란 것을 구체화 할것이다
학습모델이 중심이되서 강의를 할것이다. 물론 추론모델을 안하는건 아니지만 학습 모델이 중심이 될것이다.
학습모델이 학습하는 방법에는 지도학습, 비지도학습, 강화학습이 있다
머신러닝과 딥러닝의 차이점에 대해서도 알아보는 시간을 가질것이다.
지도학습과 비지도학습은 데이터를 가지고 학습을 하는 방법인데
강화학습은 에이전트라고 하는 컴퓨터프로그램이 주어진 환경에서 여러가지 시행착오를 통해서 가장 좋은 행동을 찾는 것이 강화학습이다
여러개의 신경망을 쌓을수 있는 원리중에 핵심은 에러의 역전파
딥러닝은 데이터의 형태대로 분류해서 설명할것임
MLP -> vector
CNN -> 이미지
RNN(LSTM, GRU) -> 순차적 데이터, 시계열, 자연어
트랜스포머 -> 언어모델의 기본적인 베이스
출처: https://www.youtube.com/watch?v=3v3OKBlRagc&list=PL0zAF_FhLjHh-oGrUtjJsrFMTIvf14GzX&index=1
github(정오표): https://github.com/MyriadSpace
github(예제): https://github.com/choki0715/lecture
반응형
