ML and DL - Section 3 : Artificial Intelligence Basics

<Why to learn artificial intelligence and machine learning?>

● What is AI good for?

• Heavy AI : Machine Learning or Neural Networks
• Optimization (최적화) : Search Algorithms
• Graph Algorithms : Breadth-first search(너비 우선 탐색), depth-first search(깊이 우선 탐색), A* search
• Heuristics and Meta-Heuristics

1. Robotics : 낯선 환경에서 로봇이 어떻게 움직일 것인가? (ex : exploration robots on Mars)

 

2. Optimization Problem : 대략적 solution으로 훨씬 빠르게 문제 해결

 

3. Games : (거의) 완벽한 플레이어를 만들 수 있음 (ex : chess, tic-tac-toe)

 

4. Neural Networks and Deep Learning : 딥러닝은 현재 아주 다양하게 이용되고 있음 (ex : 손글씨 인식, 얼굴 인식, NLP)

    1) Convolutional Neural Networks (CNNs) : Computer Vision과 연관 있음

       ex) self-driving car, pedestrian detection system, traffic-sign recognition

 

5. Reinforcement Learning : 게임과 관련하여 사용되지만, 알파고 등 많이 복잡해지면 비효율적이므로 Q Learning과 병행하여 사용된다.

---

<Introduction to machine Learning>

 

◆ Types of Learning (3가지 main type)

1. Supervised Learning : 데이터셋을 가지고 있으며, 샘플과 레이블 존재. 알고리즘을 통해 dataset과 가까운 결과 도출.

2. Unsupervised Learning : 데이터셋은 있지만, 레이블이 없음. 알고리즘을 통해 패턴을 분석하여 class를 분류함.

3. Reinforcement Learning : 데이터셋이 없음. AI agent (게임의 player)가 environment(state)와 interact하고, 그에 따른 action을 취함. Training 과정이 반복됨에 따라 더 알맞은 action을 취하게 됨.

 

Types of Learning.pdf

0.12MB