14. 머신 러닝
• 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로
판단이나 예측
• 직접 코딩하는 것이 아니라, 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 ‘학습’시
켜 작업 수행 방법을 익히는 것을 목표
• 알고리즘 방식 : 의사 결정 트리 학습, 귀납 논리 프로그래밍, 클러스터링, 강화 학습, 베이
지안(Bayesian) 네트워크 등
예) 메일함의 스팸 체크
15. 신경망
• 인간의 두뇌 자체에서 영감을 얻어 모델화한 정보처리 시스템
• 외부로부터 받아들이는 입력에 대하여 동적 반응을 일으킴으로써 필요한 출력을 생성한다.
16. 딥 러닝
• 인공 신경망에서 발전한 형태의 AI
• 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습
• 굉장한 양의 연산을 필요로 하는 탓에 난관에 부딪혔다가, 병렬 연산에 최적화된 GPU의 등장으로
가능하게 됨
• 2012년, 구글과 스탠퍼드대 앤드류 응 교수가 16,000개의 컴퓨터로 약 10억 개 이상의 신경망으로
이뤄진 Deep Neural Network을 구현하고, 이를 통해 유튜브에서 이미지 1,000만 개를 뽑아 분석한
뒤, 컴퓨터가 사람과 고양이 사진을 분류하도록 하는데 성공