AI 핵심 개념, 이해하기 쉽게 정리
학습여정
“제가 학습하고 있는 Coursera Plus의 강의내용을 요약 공유합니다. 함께 발전하길 바랄 뿐입니다.”
AI(인공지능)는 컴퓨터가 인간처럼 '지능적으로' 행동하도록 만드는 다양한 기술과 도구의 집합입니다. 이 중에서도 많이 듣는 용어들이 바로 머신러닝, 데이터 과학, 신경망, 딥러닝입니다. 이 용어들이 실제로 무엇을 의미하는지, 그리고 비즈니스에 어떻게 적용되는지 쉽게 설명해드리겠습니다.
머신러닝(Machine Learning)
머신러닝은 컴퓨터가 '직접 프로그래밍하지 않아도' 데이터를 통해 스스로 학습하는 기술입니다.
예를 들어, 집의 크기, 침실 수, 욕실 수, 리노베이션 여부 같은 정보를 입력하면, 머신러닝 모델은 이 데이터를 바탕으로 집값을 예측할 수 있습니다.
즉, 입력(A)이 들어오면 출력(B)을 자동으로 내보내는 소프트웨어를 만드는 것이죠.
이런 시스템은 수많은 사용자에게 24시간 자동으로 서비스를 제공합니다.
데이터 과학(Data Science)
데이터 과학은 데이터를 분석해 의미 있는 '통찰'을 얻는 데 초점을 둡니다.
예를 들어, 비슷한 크기의 집이라도 침실이 3개면 2개보다 훨씬 비싸다거나, 리노베이션한 집이 15% 더 비싸게 팔린다는 사실을 데이터에서 찾아냅니다.
이런 인사이트는 어떤 집을 지을지, 리노베이션에 투자할지 등 비즈니스 의사결정에 활용됩니다.
결과물은 종종 파워포인트 등 프레젠테이션 형태로 경영진에게 전달됩니다.
신경망과 딥러닝(Neural Networks & Deep Learning)
신경망은 입력 데이터를 받아 복잡한 수학적 계산을 통해 결과를 내는 일종의 소프트웨어 모델입니다.
이 원리는 인간 뇌의 뉴런 구조에서 영감을 받았지만, 실제로는 뇌와는 다릅니다.
딥러닝은 이런 신경망을 여러 층으로 깊게 쌓아, 더 복잡한 문제를 해결할 수 있게 한 기술입니다.
최근에는 신경망과 딥러닝이라는 용어가 거의 같은 의미로 사용됩니다.
실제 비즈니스 적용 사례
머신러닝: 온라인 광고 플랫폼에서, 어떤 광고를 보여주면 클릭 확률이 높을지 자동으로 예측해 광고 수익을 극대화합니다.
데이터 과학: 광고 데이터를 분석해, 어떤 업종(예: 여행)이 광고를 적게 사용한다는 인사이트를 얻고, 영업 전략을 세웁니다.
용어의 경계와 융합
실제로 머신러닝과 데이터 과학의 경계는 명확하지 않고, 실무에서는 두 기술이 융합되어 사용되는 경우가 많습니다. 중요한 것은 용어 자체가 아니라, 각 도구가 비즈니스 문제 해결에 어떻게 기여하는지 이해하는 것입니다.
→ 결론적으로, 머신러닝은 '자동화된 시스템'을 만드는 데, 데이터 과학은 '의사결정을 위한 통찰력'을 얻는 데 중점을 두며, 딥러닝은 이들을 구현하는 강력한 방법론이라고 할 수 있습니다.
※본 요약은 ‘공정 이용(fair use)’사용 목적으로, 모든 내용은 Stanford University 의 Coursera강의 ‘모두를 위한 AI’를 수강하며 작성한 요약이며, 직접적인 강의 내용 복사, 슬라이드 캡쳐등은 저작권에 의하여 엄격히 보호됩니다. - 앤드류 응(Andrew Ng)의 강의 by Coursera Plus - "Learning Notes and Summaries by Digitalian”
