학습구조

AI(인공지능) ⊃ 머신러닝 ⊃ 딥러닝

학습의 구조는 크게 4가지로 나누어서 서술된다.

• 지도학습 Supervised
• 비지도학습 Unsupervised
• 자기지도학습 Self-supervised
• 강화학습 Reinforcement Learnin

이 학습구조 위에서 아래의 ML모델을 활용하여 조합하면 다양한 구조가 완성되는 것이다.

Machine Learning 모델

• Linear Regression:

  연속값인 경우에 선형으로 근사해서 추세를 구하는 방식

• Logistic Regression:

  입력을 기반으로 00일 확률을 구분하는 방식

• SVM:

  다른 데이터 군 사이의 경계면을 찾아 분류하는 방식

• Decision Tree:

  조건문을 아주 많이 설계하여 판단을 진행하는 방식

• Neural Network 계열 ⇒ 요게 가장 많이 이용되는 신경망을 모방한 방식

NN을 제외한 방법은 기존의 전통적인 방식이며 근래는 NN의 조합을 활용하여 아래와 같은 구조들로 확장

Neural Network
├─ MLP
│   Linear → ReLU → Linear → ReLU ...
│   일반적인 벡터 데이터
│
├─ CNN
│   Convolution → ReLU → ...
│   이미지/공간정보
│
├─ RNN / LSTM / GRU
│   과거 hidden state를 다시 사용
│   시계열
│
├─ Transformer
│   Attention을 중심으로 구성
│   긴 sequence
│
└─ 여러 구조 혼합
    CNN + MLP
    Transformer + MLP
    RNN + MLP
    ...