3. 인공지능

이 단원의 핵심

용어의 포함 관계(AI ⊃ 기계학습 ⊃ 딥러닝)를 먼저 잡고, 지도/비지도와 분류/회귀는 예시를 보고 판단하는 기준으로 외운다.

1. AI · 기계학습 · 딥러닝의 포함 관계

가장 큰 개념부터

인공지능 ⊃ 기계학습 ⊃ 딥러닝
인공지능이 가장 큰 개념, 기계학습은 인공지능을 구현하는 방법 중 하나, 딥러닝은 기계학습의 한 방법.

포함 관계:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

┌─────────────────────────────────┐
│  인공지능 (AI)                    │
│  사람의 지능적 활동을 컴퓨터로 구현  │
│  ┌─────────────────────────────┐ │
│  │  기계학습 (Machine Learning) │ │
│  │  데이터에서 규칙·패턴을 학습   │ │
│  │  ┌─────────────────────────┐ │ │
│  │  │  딥러닝 (Deep Learning)  │ │ │
│  │  │  인공신경망 이용          │ │ │
│  │  └─────────────────────────┘ │ │
│  └─────────────────────────────┘ │
└─────────────────────────────────┘

개념	설명	예시
인공지능	사람의 지능적 활동을 컴퓨터로 구현	번역, 추천, 음성 인식
기계학습	데이터에서 규칙과 패턴을 학습	성적 데이터로 결과 예측
딥러닝	인공신경망을 이용한 기계학습 방법	이미지 인식, 음성 인식

용어 정리

인공신경망 (Artificial Neural Network): 사람 뇌의 신경망을 본떠 만든 구조. 딥러닝의 기반

2. 지도학습 vs 비지도학습

학습할 때 정답(label) 데이터가 있느냐로 구분.

구분	정답 데이터	목표	예시
지도학습	있음	입력과 정답의 관계 학습	공부 시간과 점수, 사진과 동물 이름
비지도학습	없음	데이터 안의 구조·묶음 발견	고객 유형 묶기, 비슷한 문서 묶기

정답 데이터 유무로 판단:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[지도학습]  정답이 함께 주어짐
  입력 → (정답 보며 학습) → 예측
  예: 사진 + "고양이" 라벨

[비지도학습]  정답 없음
  입력 → (스스로 구조 발견) → 묶음
  예: 고객 데이터를 비슷한 유형끼리 그룹화

3. 분류 vs 회귀 (지도학습의 두 갈래)

예측 결과가 무엇이냐로 구분.

구분	예측 결과	예시
분류	범주	상/중/하, 스팸/정상, 개/고양이
회귀	숫자	예상 점수, 예상 온도, 예상 가격

결과의 종류로 판단:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

결과가 "종류·등급" 이면   →  분류
  (상/중/하, 스팸/정상)

결과가 "숫자" 이면        →  회귀
  (예상 점수 87점, 예상 가격)

자주 틀리는 포인트

결과가 종류·등급이면 분류, 숫자이면 회귀. "상/중/하"는 등급이라 분류, "예상 점수 87.5점"은 숫자라 회귀.

핵심 요약