Machine learning을 포함한 A.I 구조

우리가 흔히 이야기 하는 머신러닝, 딥러닝을 포함한 A.I의 상관 관계는 일반적으로 아래와 같이 표시한다. 

A.I 라고 얘기하는 것은 사람들이 행하고자 하는 어떤 작업을 대신해서 실행할 수 있는 것을 이야기하게 된다. 이 중 요즘 각광을 받고 있는 머신러닝이 있고 머신러닝 안에 딥러닝을 포함하고 있다. 

딥 러닝을 포함한 머신 러닝은 통계에 그 기반을 두고 있어서 통계 학습이라고도 한다. 실제 수업을 들어보면 확률과 통계가 대부분임을 알 수 있다. 

딥 러닝을 포함한 머신 러닝을 배우기 위한 기본 선수 과목은 보통 아래와 같다. 

• 선형 대수학(Linear Algebra): 통계 학습에서 데이터를 계산하기 위해 주로 사용된다.
• 확률과 통계(Probability and Statatistics): 머신 러닝의 대부분의 기초를 담고 있다. 
• 최적화 이론(Optimization): 함수의 해를 구하는 방법으로 머신 러닝의 답을 찾는 방법을 배우게 된다. 

머신 러닝이 어렵다고 얘기하는 것은 머신 러닝을 배우기 위해 선수로 배워야 하는 과목들이 하나같이 만만치 않아서 이기도 하다. 이론들을 배우면 이제 실습을 하기 위한 하드웨어와 소프트웨어가 필요하다. 이론을 배우고 나면 가장 간단한 실제 선형회귀(Linear regression) 도 돌려보기 위해서도 소프트웨어 지식이 필요하다. 머신러닝을 돌리기 위한 여러가지 플랫폼이 나와 있지만 요즘 동작하는 것은 Python을 가장 많이 사용하게 된다. 물론 R이나 매트랩으로도 돌릴 수 있지만, 지금 처음 시작한다면 무조건 파이썬을 권장한다. 

파이썬은 오픈 소스 기반의 플랫폼이다. 머신러닝을 위해 추가되는 라이브러리도 모두 오픈소스이다. 문제는 이 라이브러리들이 제각각이기 때문에 내가 원하는 동작을 하기 위해서 분석이 필요하다.