인공지능 기본 개념은 이전에 많이 공부했으므로 간단하게 정리함

1. 머신러닝(Machine Learning)

• 명시적인 프로그래밍 없이 스스로 학습하고 성능을 지속적으로 개선하는 인공지능 기술

머신러닝 종류

• 지도 학습
• 비지도 학습
• 강화 학습 (Reinforcement Learing) → MDP에 기초하여 이론이 발전했음

2. 선형 회귀 분석(Linear Regression)

• 선형적인 예측 모델을 만들어 새로운 데이터가 들어왔을 때 결과를 예측하는 기술
• weight와 bias로 이루어진 선형식을 기반으로 함.
• Loss Function : MSE(평균제곱오차)
• 최적화: GD(경사하강법) → Loss Function을 편미분하여 경사가 감소하는 방향으로 w와 b를 수정

3. 분류 분석(Classification) - 이진 분류

• 이진 분류 분석 → 새로운 데이터가 왔을 때 두 개의 class중 어디에 속하는지 알아내는 것
• 활성화 함수 : Sigmoid

$$ Y = sigmoid(W*X+b) $$

• 머신러닝에서 다루는 대부분의 데이터는 비선형적이기 떄문에 1차적으로 선형 함수로 계산하고, 데이터의 특징을 보다 구체적으로 표현하기 위해 활성화 함수를 사용해 비선형성을 추가함.