머신러닝 과 딥러닝에 관한 단단한 요약

머신러닝이란

보유하고있는 데이터에서 다양한 통계적/비통계적 기법들을 활용하여, 유의미한 정보를 추출하는 방법 혹은 이론

 

= 데이터에서 다양한 판단 기준들을 최대한 모두 만족시키도록 반복학습하여, 

사람보다 똑똑한 자동화 모델을 만드는 방법

 

= 데이터에서 다양한 Feature들을 최대한 모두 만족시키도록 학습하여, 데이터에 일반화 된 모델을 만드는 방법(단, 다양한 feature들은 그 분야, 데이터를 잘 아는 사람 즉 전문가에 의해서 주로 만들어야 함. 유의미한 Feature들을 추출하기 위해 복잡한 사전지식 필요)

 

딥러닝이란

보유한 데이터에서 복작한 사전지식 없이, 유의미한 정보로 변환하는 공식을 찾아주는 기법 

 

= 데이터에서 다양한 판단기준들을 최대한 모두 만족시키도록 반복학습하여, 사람보다 똑똑한 자동화 모델을 만드는 방법

 

= 데이터에서 다양한 Feature들을 알아서 찾아내주고 찾아낸 유의미한 정보들을 최대한 모두 만족시키도록 학습하여, 데이터에 일반화 된 모델을 만드는 방법(단, 다양한 Feature들은 그 분야를 전혀 모르는 사람 즉 비전문가에 의해서도 쉽게 AI 실현이 가능함)

 

장점: 사전지식이 필요하지 않다.

단점: 사람이 직관적으로 이해하기 힘들다.

 

예: 전일 24시간의 기온데이터 -> 오늘의 기상 예측