[ 1부 : 딥러닝 소개 ]
1) 인공지능의 시작
- 컴퓨터는 인간이 원하는 특정 작업을 완료하도록 만들어짐
- 초기에는 일반화된 인텔리전스가 가능해 보였음.
- 결과적으로 예상보다 어려웠음.
2) 초기의 뉴럴 네트워크
- 생물학에서 착안됨
- 1950년대에 구축됨
- 폰 노이만 아키텍처에 의해 추월당함
3) 딥러닝 (Deep Learning)
- 프로그래밍 방식의 패러다임 전환
4) 기존 프로그래밍_분류기 구축
- 분류를 위한 규칙 세트 정의
- 이러한 규칙을 컴퓨터에 프로그래밍
- 예시가 주어지면 프로그램이 규칙을 통한 분류 수행
5) 머신 러닝_분류기 구축
- 분류 방법에 대한 답과 예시를 모델에 제공
- 모델이 추측을 수행하고 인간이 모델에 옳고 그름을 알려줌
- 모델이 올바르게 분류하는 법을 스스로 학습
6) 딥러닝을 선택해야 하는 경우
- 기존 프로그래밍 : 규칙이 명확하고 직관적인 경우 단순히 프로그래밍만 하는 편이 훨씬 나은 경우가 많음
- 딥러닝 : 규칙이 미묘하고 복잡하며 식별하기 어려운 경우 딥러닝 사용
7) 다른 AI와 딥러닝의 비교
- 네트워크의 깊이 및 복잡성
- 최대 수 조개의 매개변수(증가 추세)
- 모델에 다수의 레이어가 포함됨
- 복잡한 규칙을 학습하는데 유리
8) 딥러닝이 어떻게 세상을 바꾸는가
- 컴퓨터 비전 : 로보틱스 및 제조, 물체 검출, 자율 주행 자동차
- 자연어 처리 : 실시간 번역, 음성 인식, 가상 어시스턴트
- 추천 시스템 : 콘텐츠 큐레이션, 타깃 광고, 쇼핑 추천
- 강화 학습 : 알파고, AI 봇, 주식 거래 로봇
9) 딥러닝 프레임워크
- 주요 딥러닝 플랫폼 : TensorFlow + Keras(Google) / Pytorch(Facebook) / MXNet(Microsoft)
- TensorFlow 및 Keras를 사용할 예정
- 추후 다른 플랫폼을 접해보는 것도 좋음
