Devfarm 머신러닝 단기집중과정 1회차 - 인공지능, 머신러닝, 딥러닝을 구분해봅니다. - 머신러닝의 컨셉을 이해합니다.

1. 머신러닝 간단 뽀개기
2019-05-15
선행개발팀 정희재

2. 시작 전 주의사항
● 지나친 기대 금지: 가볍게 머신러닝 컨셉에 대해 배워봅니다
● 사진 촬영 무쓸모: 슬라이드는 아래 링크에서 (발표 후)다운받으실 수 있습니다
● https://speakerdeck.com/heejaedev

3. 목표
#1. 인공지능, 기계학습(Machine Learning), 딥러닝을 구분할 수 있다
#2. 기계학습에 대한 컨셉을 설명할 수 있다

4. AlphaGo vs 이세돌

5. 인공지능 vs 기계학습 vs 딥러닝
#특징 #차이점

6. 인공지능 vs 기계학습 vs 딥러닝

7. 인공지능 vs 기계학습 vs 딥러닝

8. 인공지능(AI, Artificial Intelligence)

9. 프로그램이 코드로 작성되지 않아도
컴퓨터가 스스로 학습할 수 있도록 하는 방법
(관련학문: 컴퓨터 공학, 수학(통계학))
- 이메일 스팸 필터링 시스템
- 쇼핑몰이나 영화 연관 추천 시스템
- 문자 인식
- 자연어 처리
- 연관 검색어 처리
등등
기계학습 (ML, Machine Learning)

10. Supervised Learning
(지도 학습)
Unsupervised Learning
(비지도 학습)
Regression
(회기)
Classification
(분류)
Machine Learning
(기계 학습)
기계학습 (ML, Machine Learning)
Reinforcement Learning
(강화 학습)
Recommender System
(추천 시스템)
Study Here!!

11. 기계학습 (ML, Machine Learning)
Supervised Learning
(지도 학습)
Unsupervised Learning
(비지도 학습)
Regression
(회기)
Classification
(분류)

12. 딥러닝 (DL, Deep Learning)

13. 딥러닝 (DL, Deep Learning)
Deep learning is a particular kind of machine learning that achieves
great power and flexibility by learning to represent the world
as nested hierarchy of concepts, with each concept defined in relation
to simpler concepts, and more abstract representations computed in
terms of less abstract ones.
Deep Learning은 특수한 종류의 기계 학습입니다.
개념을 중첩 된 계층 구조로 표현하고
각 개념을 단순한 개념과 관련하여 정의하고
더 추상적 인 표현을 덜 추상적 인 개념으로 계산하여
세계를 대단위의 힘과 유연성을 달성하는 특징을 가졌습니다.

14. 딥러닝 (DL, Deep Learning)

15. 딥러닝 (DL, Deep Learning)

16. ML vs DL
#데이터 의존도
#하드웨어 의존도 (GPU)
# Feature Engineering
#Execution Time (학습/실행시간)
#Interpretability (Black Box)

17. 기계 학습은 마술인가?
컴퓨터 학습 기술을 (필기체 인식과 같은 같이) 어려워 보이는 문제에 얼마나 쉽게 적용 할 수 있는지 알게되면, 당신은 이제 충분한 데이터만있다면 기계
학습을 적용해서문제를 해결할 수 있다는 느낌을 가지게 될 것입니다. 단지 데이터만제공하고컴퓨터가마술처럼데이터에맞는 방정식을계산해 주는
것을 감상만 하면 됩니다.
하지만, 기계 학습은 보유한 데이터로해결 가능한 문제인 경우에만동작한다는점을 기억하는것이 중요합니다.
예를 들어, 각 주택의 화분 종류에 따라 주택 가격을 예측하는모델을 만들면, 절대로 동작하지않을 것입니다. 각 집에있는화분과 주택 판매 가격 사이에는
아무런 관계가 없습니다. 따라서 컴퓨터가아무리 노력해도둘 사이의 관계를 결코 추론 할 수 없습니다.
실제로 관련이 있는 관계만을 모델링할 수 있습니다.
따라서 인간 전문가가수작업으로문제를 해결하기위해 데이터를사용할 수 없다면, 컴퓨터도아마 동작하지않을 것입니다. 바꿔말해, 인간이 해결할
수있는 문제 중에서 컴퓨터가훨씬 빨리 문제를 해결할 수 있는 것에 집중하는것이 좋습니다.

19. Magenta: 미술과 음악을 창조하는 인공지능 알고리즘
Website: https://magenta.tensorflow.org/
Github: https://github.com/tensorflow/magenta
이런 것도 있어요

20. Detectron: Facebook AI의 객체 검출 및 인식 플랫폼
이런 것도 있어요

21. vid2vid: 비디오를 입력하면 새로운 비디오를 생성하는 모델 (NVIDIA & MIT 연구팀)
이런 것도 있어요

22. V-Live AutoCam: 연예인 댄스 자동 직캠 생성
이런 것도 있어요

23. 진 도 표 :
https://docs.google.com/spreadsheets/d/10AqpswJxQhbjzGQSET01-1m-rUaiROgk2h2EL_
51_WY/edit#gid=0
강의: https://developers.google.com/machine-learning/crash-course/ml-intro?hl=ko
용어집:https://developers.google.com/machine-learning/glossary/?hl=ko
실습: https://www.kaggle.com/ (캐글)
공부해봅시다 :)

24. Thank you :)
잘부탁드립니다
화이팅화이팅
공부공부