든 것이 포함됩니다. 그들은 단지 기능이 성장하는 것이 아니라 프로그래밍되지 않은 작업을 수행하고 있습니다. 이것이 어떻게 가능한지 궁금할 것입니다. 인공 지능이 이것을 가능하게 했고 일반적으로 AI라고 합니다. 우리는 요즘 인공 지능, 머신 러닝, 딥 러닝에 대해 꽤 많이 들었습니다. 이것들은 많은 화제를 불러일으켰고, 왜 이러한 새로운 기술이 오늘날 세상의 모습을 바꾸지 않았을까요? 그리고 그것을 더욱 바꿀 수 있는 큰 잠재력이 있습니다 시장성테스트.
AI의 개념:
인공 지능, 머신 러닝, 딥 러닝은 오늘날 대체할 수 없을 정도로 사용되고 있지만 이는 사실이 아닙니다. 이들은 서로 밀접하게 관련된 고유한 정체성과 의미를 가진 다른 용어입니다. 매우 간단하고 평범한 언어로 개념을 이해하기 위해 이 그림을 고려해 보겠습니다.
이 그림은 실제로 세 가지 사이의 관계가 무엇인지에 대한 더 명확한 시각을 제공합니다. 인공 지능은 전체 개념이고 머신 러닝은 인공 지능을 구현하는 데 사용되는 접근 방식 중 하나이며, 심층 학습은 고급 머신 러닝을 구현하는 접근 방식입니다.
AI와 ML의 관계
인공 지능은 기계를 더 똑똑하게 만들고 인간처럼 일하게 하는 전체적인 아이디어입니다. 우리는 의학 및 건강 관리, 항공, 스포츠 및 운동, 금융 등 다양한 분야에서 AI의 다양한 응용 프로그램에 둘러싸여 있습니다. 우리는 이전에 인간이 수행하던 작업을 실제로 수행하는 로봇을 보았습니다. 이것은 기술에 혁명을 일으켰을 뿐만 아니라 고속과 정확성을 갖추고 있어 인간의 작업을 더 쉽게 만들었습니다. 그들은 인간의 생존이 거의 불가능한 험난한 지형에서 잘 작동하며 이는 인간의 작업을 단순화했습니다. AI에는 약한 AI와 강한 AI의 여러 유형이 있습니다. 약한 AI는 기계가 프로그래밍된 작업만 수행한다는 것을 의미하며, 이는 프로그래밍된 입력 및 출력에만 잘 작동하고 제공된 입력 및 출력에는 작동하지 않는다는 것을 의미합니다. 반면 강한 AI는 기계가 프로그래밍되지 않은 작업도 수행한다는 것을 의미하며, 이는 기계가 제공되는 정보를 통해 더 똑똑해지고 있음을 의미합니다.
ML 작동 방식
AI 구현에 사용되는 머신 러닝의 역할이 등장합니다. 머신은 과거의 데이터를 제공받고, 또한 학습하는 경험과 변화에 적응할 수 있도록 만들어집니다. 결과는 머신에 제공된 정보의 품질에 따라 달라집니다. 예측이 정확할 수 있도록 정보는 양호하고 매우 정확해야 합니다. 따라서 머신 러닝은 분석 모델 구축을 자동화하는 데이터 분석 방법 중 하나입니다.
따라서 머신 러닝
