머신러닝8 1.1 데이터 분석 대략 2010년을 전후로 데이터가 새로운 산업혁명의 동력으로 주목받기 시작했습니다. 첫 신호탄은 빅데이터였고 뒤를 이어 데이터 과학, 머신러닝, 딥러닝, 인공지능과 같은 용어들이 연이어 화려하게 등장해 세간의 뜨거운 관심도 받았습니다. 이 현상을 이해당사자의 입장에서 보고 겪은 사람들은 크게 두 부류입니다. 한 부류는 학계나 업계에서 이미 예전부터 데이터를 다루고 분석해왔던 사람들입니다. 이 부류의 사람들 중 일부는 데이터를 분석한다는 본질이 달라진 것도 아닌데 우후죽순 탄생하는 용어들은 유행에 편승한 새로운 이름 짓기에 지나지 않는다고 생각합니다. 또 다른 부류는 최근 10년 사이에 이 분야에 새롭게 진입했거나 처음 공부를 시작한 사람들입니다. 이 부류는 통계라는 용어에는 익숙한데 데이터 과학, 머신러.. 2020. 6. 21. 실체가 손에 잡히는 딥러닝(1) "인공지능의 세계, 머신러닝과 딥러닝은 어떻게 등장했나 1. 인공지능, 머신러닝, 딥러닝은 어떤 관계일까 인터넷이나 도서 등에서 찾아보면 다음 그림처럼 “딥러닝 < 머신러닝 < 인공지능”의 포함관계로 연결되는 위계 구조를 볼 수 있습니다. 즉 처음에 인공지능 개념이 있었고 그다음에 머신러닝 개념이 생겨났고 제일 마지막에 딥러닝이 탄생했음을 알 수 있죠. 그런데 이런 포함관계를 조금 다르게 생각해봅시다. 인공지능을 구현하는 방법에는 머신러닝이 아닌 다른 개념도 있고 마찬가지로 머신러닝에는 딥러닝이 속하지 않은 다양한 영역과 방법이 있다는 이야기가 되겠죠? 따라서 이 글에서는 주인공인 ‘딥러닝’ 외의 조연들을 먼저 짧게 소개하겠습니다. 비교를 통해 딥러닝의 본 모습을 더 선명하게 드러낼 수 있기 때문입니다. 2. 초기의 인공지능 연구, 컴퓨터에 지능을 심다 우리.. 2020. 4. 24. 이전 1 2 다음
