(AIDE 2급) 데이터라벨링 이론, 머신러닝 vs 딥러닝 차이점

데이러라벨링 자격증 이론_머신러닝 vs 딥러닝

 

  요즘 부업으로 데이터라벨링에 관심이 많으실 텐데요. 데이터라벨링은 사람이 만드는 사진, 문서 등 데이터를 가공하여 인공지능이 스스로 학습할 수 있도록 하는 작업을 말해요. 데이터라벨러로 활동하기 위해 내일배움 교육 또는 자격증 교육을 듣고 많은 분들이 AIDE 자격증 시험을 보실 텐데요. 

 

오늘은 AIDE 2급 이론에 도움이 될만한 내용인 4차 산업과 인공지능, 인공지능 방법론의 머신러닝과 딥러닝 차이점에 대해서 알아보도록 할게요.

 

 

 

 

 

 

 

 

4차산업과 인공지능

 

1) 4차 혁명 시대(21세기 초반~)

 

4차 혁명은 지능(AI)과 정보(빅데이터)의 발전을 통한 산업혁명을 의미하는데요. 4차 혁명에는 인공지능, 빅데이터, 로봇, 3D프린팅, 드론, 사물인터넷, 공유경제 등이 해당합니다. 

 

 

 

 

 

 

 

 

2) 인공지능 서비스 4단계 - 데이터 획득, 데이터 가공(전처리), 모델생성, 실시간 서비스로 구성됩니다.

1. 데이터 획득 : 이미지, 영상, 텍스트 등 데이터를 수집하는 과정
2. 데이터 가공(전처리) : 사람이 만든 사진, 문서 등 데이터를 인공지능(AI)이 학습할 수 있도록 가공하는 작업
3. 모델생성 : 모델개발 > 데이터 입력 > 데이터 학습 > 모델 수정
4. 실시간서비스 

 

인공지능 방법론

인공지능(AI)은 사람의 뇌구조를 컴퓨터로 똑같이 구현한 것을 말하는데요. 즉 인간의 지능을 기계에 구현한 것입니다. 인공지능이 문제를 해결하기 위해서는 많은 양의 데이터가 필요합니다.

 

1) 인공지능 발전단계 - 1단계 : AI개념, 2단계 : 전문가 시스템, 3단계 : 러닝머신, 딥러닝으로 발전하고 있습니다.

 

2) 인공지능 방법론

1. 인공지능(AI) - 인간의 지적능력을 가지는 컴퓨터를 구현하는 것이 최종목표이다.
2. 머신러닝(ML) - 스스로 학습하여 인공지능의 성능을 향상시키는 기술, 기계를 학습시키는 방법을 말한다.
3. 딥러닝 - 인간의 뉴런과 비슷한 인공신경망으로 학습하는 방법, 기계학습 시 가장 좋은 성능을 발휘하는 방법이다.

 

2-1) 머신러닝과 딥러닝 차이점

 

딥러닝은 머신러닝의 방법 중 하나입니다. 머신러닝은 데이터 분석, 판단을 위해 사람의 개입이 필요하지만 딥러닝은 기계가 자동으로 학습하기 때문에 사람의 개입이 필요하지 않습니다.

 

머신러닝(Machine Learning)	딥러닝(Deep  Learning)
· 스스로 학습 → 인공지능의 성능 향상시키는 기술	· 인공신경망(인간의 뉴런과 비슷)으로 학습하는 방법
· 데이터 분석, 판단을 위해 사람의 개입이 필요	· 기계가 자동으로 학습하기 때문에 사람의 개입이 필요하지 않음

 

2-2) 머신러닝 학습방법 3가지

 

머신러닝의 학습하는 방법은 지도학습, 비지도 학습, 강화학습 이렇게 3가지입니다. 그중 딥러닝이 문제와 답을 알려주고 학습하는 지도학습입니다.

 

1. 지도학습(예측, 분류) - 문제와 답을 알려주고 학습하는 방법으로 딥러닝이 여기에 속해요. 많은 양의 데이터가 필요하기 때문에 시간과 비용이 많이 드는 단점이 있습니다.
   • 분류 : 동물이나 사물을 분류하거나 산업체의 불량여부 제품 판단 등
   • 회귀 : 예측하고자 하는 값이 숫자인 경우로 이미 학습된 데이터를 바탕으로 미래에 어떠한 값이 나올지 예측하는 것입니다. (날씨예측 등)
2. 비지도학습 - 답을 알려주지 않고 학습하는 방법으로 연관성, 규칙 등을 찾을 때 사용합니다.
3. 강화학습 - 보상을 통해 학습하는 방법

 

3) 퍼셉트론 알고리즘(프랑크 로젠블라트가 고안, 1957년)

 

사람의 뉴런구조를 컴퓨터 알고리즘으로 만들어 놓은 것을 퍼셉트론(perceptron)이라고 하는데요. 딥러닝(신경망) 기원이 되는 알고리즘을 말합니다.

 

4) 인공신경망(ANN : Artificial Neural Network)이란?

 

생물학의 신경망에서 영감을 얻은 힉습 알고리즘이에요. ANN은 입력층, 은닉층, 출력층으로 구성되어 있어요.

 

4-1) 인공신경망(ANN)의 구조

1. 입력층(input layer)- 이미지, 텍스트 등 학습하고자 하는 데이터를 입력받는 층
2. 은닉층(hidden layer) - 입력층에서 받은 데이터를 여러 단계를 거치는 층
3. 출력층(output layer) - 은닉층에서 처리한 결과를 출력하는 층

 

마치며

  데이터라벨링으로 활동하기 위해 자격증을 준비하고 계시다면 4차 산업과 인공지능, 머신러닝과 딥러닝 차이점 등을 참고해 주세요. 용어가 생소하지만 영어와 한글을 같이 알아두면 개념정리에 도움이 되지 않을까 싶네요.