인공지능(AI) 핵심 개념
인공지능(Artificial Intelligence)
인간의 지능을 모방하여 학습, 추론, 문제 해결 등을 수행하는 컴퓨터 시스템이나 기술
머신러닝(Machine Learning)
데이터를 기반으로 컴퓨터가 스스로 학습하여 성능을 개선해 나가는 알고리즘 기술
지도학습(Supervised Learning)
레이블이 있는 데이터를 학습하여 입력에 따른 정답을 예측하는 기법
비지도학습(Unsupervised Learning)
레이블이 없는 데이터를 학습하여 데이터의 숨겨진 구조나 패턴을 찾아내는 기법
강화학습(Reinforcement Learning)
에이전트가 환경과 상호작용하며 보상을 극대화하는 행동 정책을 학습
전이 학습(Transfer Learning)
한 도메인에서 학습한 지식을 다른 관련 도메인에 적용하는 기법
딥러닝(Deep Learning)
인공 신경망을 기반으로 한 머신러닝의 한 종류로, 여러 층의 신경망을 통해 학습
CNN(합성곱 신경망)
이미지 인식 등에 주로 사용되는 딥러닝 구조로, 합성곱 연산을 통해 이미지의 특징을 추출
RNN(순환 신경망)
시계열 데이터 처리에 용이한 딥러닝 구조로, 이전 단계의 출력을 현재 단계의 입력으로 사용
Transformer(트랜스포머)
어텐션 메커니즘만으로 시퀀스를 처리하는 신경망 아키텍처
BERT / GPT
트랜스포머 기반의 언어 모델로, 다양한 NLP 태스크에 활용
자연어 처리(NLP)
인간 언어를 컴퓨터가 이해하는 기술
Text Mining: 텍스트에서 유용한 정보 추출
Sentiment Analysis: 텍스트의 감정 분석
Word Embedding: 단어를 벡터로 표현
컴퓨터 비전(CV)
이미지/영상에서 정보를 추출하는 기술
Object Detection: 물체 인식 및 위치 파악
Image Segmentation: 이미지를 의미 영역으로 분할
Facial Recognition: 얼굴 인식 기술
음성 기술
음성과 텍스트 간 변환 기술
TTS: 텍스트를 음성으로 변환
STT/ASR: 음성을 텍스트로 변환
Speech Emotion Recognition: 음성 감정 인식
최적화 알고리즘
모델 학습을 개선하는 기법
Gradient Descent: 손실 함수의 기울기를 따라 최적화
Adam: 적응적 학습률 계산 알고리즘
Regularization: 과적합 방지 기법
| 카테고리 | 용어 | 정의 |
|---|