We makes solution in your space
AI는 '인공지능 Artificial Intelligence'의 약자로 오래 전 전문가시스템(Expert System)과
신경망(Neural Network) 모델을 바탕으로하여 탄생한 개념입니다.
요즈음에는 복잡하게 연결된 여러 내부층(Layers)으로 이루어져 빠른 딥러닝(Deep Learning)이
가능하게 되면서부터 실시간 학습과 인지능력이 뛰어난 AI 시스템이 나타나게 되었습니다.
이러한 최첨단 AI 프로젝트를 수행하고 성공하기 위해서는 면밀한 프로젝트관리 기술이 필요하며
무엇보다도 AI전문 프로젝트관리 전문가에 의해 수행되는 것이 유리합니다.
(사)피엠전문가협회에서는 4차산업혁명 시대에 적합한 AI 전문 프로젝트관리 전문가를 양성하고
자격증을 부여하는 포트폴리오를 수립합니다.
기본적으로 데이터과학 분야에서는 빅데이터처리, 분산처리, 등으로 데이터 전처리를 통하여
확률통계, 선형대수학, 정보이론, 의사결정트리 등 여러 알고리즘에 따라
머신러닝, 패턴인식 등과 같은 규칙을 찾아내는 것이 인공지능(AI)으로 발전해 왔습니다.
최근에는 컴퓨터비전이나 자연어처리 등과 같은 대용량 데이터 처리와 인식을 위한
인공신경망 딥러닝이 대두되면서 본격적인 인공지능 시대를 열어가고 있습니다.
[인공지능 생태계, 출처: 데이터과학을 위한 파이썬머신러닝-최성철]
인공지능(Artificial Intelligence, AI)이란 컴퓨터가 학습하고 생각하여 스스로 판단할 수 있도록
만드는 기술이라고 정의할 수 있습니다.
1956년 다트머스 컨퍼런스에서 '인공지능'(AI)이라는 표현을 처음 사용한 이후
본격적인 학문으로서 발전하기 시작했습니다.
그 당시 컨퍼런스에 참여했던 10명의 과학자들은 다음과 같습니다.
[다트머스 컨퍼런스의 10명의 과학자]
[출처: 데이터과학을 위한 파이썬머신러닝-최성철]
머신러닝의 종류
1. 지도학습
: 문제와 답을 함께 학습하는 것
1) 회귀 : 연속형 값인 실제 답 y의 특징을 찾아 데이터 x를 사용하요 y값을 예측하는 기법
2) 분류 : 이산형 값인 y의 특징을 찾아 데이터 x를 사용하여 y값을 예측하는 기법
2. 비지도학습
: 조력자의 도움없이 컴퓨터 스스로 학습하여 훈련데이터를 이용하여 데이터들 간의 규칙성을 찾아냄
1) 군집 : y값이 주어지지 않고 데이터의 특징이 유사한 값들의 모임을 군집으로 표현하는 기법
3. 강화학습 (Reinforcement learning) : 컴퓨터가 세상에 존재하는 규칙을 스스로 시뮬레이션하면서 게임처럼 규칙을 학습하는 것
4. 생성학습 (Generative learning) : 세상에 존재하는 다양한 규칙들을 학습한 모델이 세상에 존재하지 않는 새로운 무엇인가를 창조해 냄
예시)