인공지능 학습가이드(어떻게 인공지능을 공부할 것인가?)

강좌명	인공지능 학습가이드(어떻게 인공지능을 공부할 것인가?)
채널	Coding-x
시청 목적	전반적인 인공지능 학습방법 알아보기
시청 시간	약 1시간 30분
링크	https://coding-x.com/class/10004

시청 날짜	시간	시청 시간(분)	이해도 (%)
2022-01-19	13:00 ~ 14:40	120	100

수강 후기

1. AI(인공지능), 머신러닝, 딥러닝에 관한 전반적인 역사를 배울 수 있었다.

2. DS가 되기위한 학습도를 소개를 해준다.

 

계획

1. 데이터분석 기초(넘파이, 판다스, 매트플롯립) 듣기

---

인공지능 학습가이드(어떻게 인공지능을 공부할 것인가?

 

목차

Ⅰ. 인공지능 배경

Ⅱ. 인공지능이란?

Ⅲ. 인공지능 학습을 위한 기초 과목

Ⅳ. 인공지능 학습의 단계

 

• Ⅰ. 인공지능 배경

  1. 행복한 삶의 위한 과학과 기술
     • 행복한 삶을 인류 전체와 각 개인의 궁극적인 목표
       • 얇은 옷 < 따뜻한 옷
       • 더러운 상태 < 건강한 상태(행복한 상태와 그러지 않는 상태를 대략적으로 판단 할 수 있음)
     
     
     • 생산성(=부)의 증가는 행복한 삶을 위한 중요한 요건
     • 과학/기술은 생산성(=부) 증가의 원천
       • 모래 → 10시간 + 1사람 →그릇 1개
       • 모래 → 10시간 + 1사람 + 기계 →그릇 100개

  2. 산업혁명
     • 새로운 과학기술의 도입을 통한 생산성(부)의 급속한 증가
     • 1차 산업혁명(18세기)
       • 증기기관
     • 2차 산업혁명(19~20세기 초)
       • 전기 에너지 기반
     • 3차 산업혁명(20세기 후반)
       • 컴퓨터와 인터넷 기반의 지식 정보 혁명
     • 4차 산업혁명(현재 진행 형)
       • 지능 정보 기술, 지능과 정보의 융합

   

  3. 4차산업 혁명의 핵심 요소 기술
     • 사이버 물리 시스템
       • 가상세계가 현실과 융합하여 다양한 서비스 제공
     • 인공지능
       • 기계가 스스로 판단하고 인식하는 능력
     • 사물인터넷
       • 사물들이 연결되는 환경
     • 빅데이터
       • 이전에 없었던 대규모로 축전된 데이터 관리가 유용
     • 클라우드 컴퓨팅
       • 데이터 처리 능력이 중앙에 집중되는 형태
     • 가성현실/증강현실

   

• Ⅱ. 인공지능이란?

  1. 인공지능?
     • 인간의 지능을 모방하여 상황을 인지하고 이를 바탕으로 적절한 판단을 내리는 컴퓨터 프로그램 혹은 기술과 학문
     • 상황 → 인공지능 → 판단
     • 고양이 사진 → 인공지능 → “고양이”

  2. 인공지능의 시작
     • ‘생각하는 기계’라는 개념을 앨런 튜링에 의해 처음으로 제시
     • 인공지능 : 인간이 하는 논리적 행위를 모방하는 기계
     • 계산기 : 단순한 수치적 연산
     • 컴퓨터 : 논리적 행위의 구현

  3. 인공지능의 구현
     • 규칙 기반의 인공지능
       • 명확한 규칙이 존재하여 그 규칙에 따라 판단
       • 규칙의 수집과 재구성이 필요
     • 데이터 기반의 인공지능(기계학습)
       • 명확한 규칙이 존재하지 않기에 과거의 데이터로부터 규칙을 학습
       • 인공지능 모델의 훈련이 필요
     • 인공신경망
       • 인간의 두뇌를 모방한 인공지능 모델
       • 1950년대에 제시되어 지속적으로 ㅇ녀구가 됨
       • 데이터 기반의 모델

  4. 인공지능의 암흑시
     • 1970~2000년 : 인공지능 암흑시

   

  5. 인공지능의 구현의 과거 사례
     • 단순한 규칙 기반 혹은 탐색 기반의 인공지능이 선호됨
       • 복잡한 지능을 묘사하는 것은 불가능

  6. 1990년대 정보화 시대의 도래(빅데이터 시대 출발)
     • 컴퓨터의 발전(무어의 법칙)
       • 계산 및 처리 속도가 급격히 증가
       • 데이터 저장 용량의 증가
       • 가격 하락
     • 인터넷 발전
       • 전산적으로 처리가 가능한 데이터의 증가
       • 흩어져 있던 데이터의 수집과 공유가 가능
     • 데이터 처리 기법의 발전
       • 대용량 데이터 저장, 관리, 분석 기법의 개발
         • Hadoop, 병렬처리 등
       • 새로운 데이터 예측 기법의 발견
     7. 인공지능, 비게이터, 기계학습, 딥러능
        • 딥러닝을 하기 위해선 밖에서부터 단계를 통해 학습을 해야함.

• Ⅲ. 인공지능 학습을 위한 기초 과목

  1. 인공지능 학습을 위한 기초 과목
     • 국어 : 의사 소통, 지식 습득
     • 영어 : 의사 소통, 지식 습득
     • 수학 : 논리적 사고(추상적 세계)
     • 코딩 : 추상적 논리의 현실화

   

  2. 인공지능을 위한 수학
     • 기본적인 수학 지식(고등학교 1~2학년 정도)
       • 실수
       • 다항식
       • 방정식
       • 함수
       • 좌표계
       • 기하학
       • 지수와 로그
     • 인공지능 기초 수학(대학 1학년 정도)
       • 선형대수 : 백터와 행렬
       • 미적분 : 미분 위주로
       • 확률 : 조건부 확률
     • 더 공부하기 위해서는
       • 최적화 이론, 통계 이론 등등..

  3. 인공지능 기초 수학
     • 인공지능의 수학적 문제
       • 상황/환경(X)와 적절한 판단(Y) 사이의 관계 함수(f)를 찾는 문제
         • 상황 → 인공지능 → 판단
         • X → f → Y
       • 선형대수 : 상황 X를 포현하는 데이터가 행렬로 주어짐
       • 미적분 : 최적의 f를 찾기 위한 최적화의 풀이
       • 확률 : Y는 X에 따라 확률적으로 주어지는 판단의 결과

   

  4. 인공지능을 위한 코딩
     • 일반적인 코딩/프로그램
       • JAVA, C, python 등등..
     • R
       • 통계학자들이 개발한 통계분석 전문 언어
       • 통계 전문 언어 중에서는 어렵지만, 일반적인 프로그래밍 언어로서는 쉬움
       • 시각화와 통계분석이 장점
       • 빅데이터 분석에 많이 사용
     • 파이썬(Python)
       • 컴퓨터학자들이 개발한 일반적인 언어
       • R보다는 어렵지만 프로그래밍 언어 중에서는 쉬움
       • 빠른 처리와 범용성이 장점
       • 인공지능에 많이 사용

• Ⅳ. 인공지능 학습의 단계

  (데이터기반) 인공지능 학습의 단계