머신러닝과 딥러닝

데이터 기반 학습: 규칙을 직접 코딩하는 대신, 데이터에서 패턴을 찾아냅니다
예측과 분류: 새로운 데이터에 대해 결과를 예측하거나 분류합니다
자동 개선: 더 많은 데이터를 학습할수록 성능이 향상됩니다

머신러닝(Machine Learning)은 컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터로부터 학습하고 예측할 수 있게 하는 인공지능의 한 분야입니다.

머신러닝의 핵심 개념

머신러닝의 종류

좌 → 지도학습, 우 → 비지도학습

지도 학습(Supervised Learning): 정답이 있는 데이터로 학습합니다. 예: 스팸 메일 분류, 집값 예측, 데이터간 구별 가능
비지도 학습(Unsupervised Learning): 정답 없이 데이터의 패턴을 찾습니다. 예: 고객 세분화, 이상 탐지, 개별 데이터간 구분은 어렵지만 그룹으로 나눌 수 있다.
강화 학습(Reinforcement Learning): 시행착오를 통해 보상을 최대화하는 방법을 학습합니다. 예: 게임 AI, 로봇 제어

강화 학습

딥러닝(Deep Learning)은 머신러닝의 한 분야로, 인간의 뇌 구조를 모방한 인공 신경망(Neural Network)을 여러 층으로 쌓아 복잡한 패턴을 학습하는 기술입니다.

딥러닝의 특징