세 패러다임 요약이 간결해서 좋네요. 이 정도만 알아도 면접 대비 충분한건가요?
요약 딱 있어서 좋네
세 패러다임 구분은 나름 명확한데, 준지도학습이 빠진 게 아쉽네요. 실무에서 꽤 쓰이거든요
이 이미지 하나로 지도·비지도 학습의 차이가 바로 이해됐어요. 시각적 설명이 텍스트 100줄보다 낫네요. 이런 인포그래픽 접근이 너무 좋아요
지도학습은 답있는 문제 푸는 거고 비지도는 혼자 패턴 찾는 거구나. 강화학습은 게임 AI 학습방식이랑 비슷한건지?
기계가 패턴을 인식하는 것을 과연 '학습'이라 부를 수 있는가 하는 질문이 생깁니다. 규칙 기반과 머신러닝의 차이를 설명할 때, 패턴 인식과 이해(understanding) 사이의 간극은 어디에 있는 걸까요
'인공지능'이라는 용어 자체가 지나치게 포괄적으로 쓰이는 경향이 있는데, 이 강의에서 세 개념을 포함 관계로 구분한 것은 개념적 명료화 측면에서 의미있다고 생각합니다. 다만 '인공'이라는 수식어가 함의하는바가 무엇인지는 여전히 철학적으로 열린 문제라고 봅니다
비전공자도 순서대로만 따라가면 된다는 게 조금 안심이 되네요. 일단 끝까지 해보겠습니다
실제 서비스에서 세 가지 학습 방식을 조합해서 쓴다는 게 흥미로운데요. 경영학 수업에서 AI 활용 사례 얘기는 들었는데 이렇게 구체적으로 나뉘는지는 몰랐어요
솔직히 강화학습은 아직도 개념이 잘 안 잡히는데 자주 접하는 예시가 없어서 그런 것 같기도 하고
AI가 규칙을 직접 배운다는 게 처음엔 SF같이 느껴졌는데, 읽고나니 결국 통계적 패턴이구나 싶기도 해요. 근데 이게 그렇게 대단한 기술이 된거잖아요 ㅋㅋ 신기하네요
명시적 규칙 기반이랑 통계적 패턴 학습의 구분은 이해했는데, ML도 피처를 사람이 설계하면 규칙 기반이랑 경계가 모호해지지않나요?
머신러닝 역사를 이렇게 정리해주니 맥락이 잡혀서 좋습니다. 경제학 공부할 때도 계량경제학 발전사를 먼저 배우면서 개념이 훨씬 이해됐는데, AI도 비슷한 것 같네요. 2010년대 딥러닝 붐이 데이터 폭증이랑 맞물린다는 게 흥미롭습니다
AI > 머신러닝 > 딥러닝이 포함 관계라는 그림이 직관적이네요. 회사에서 AI 도입 얘기 나올 때마다 개념이 뒤섞여서 헷갈렸는데 이 그림 하나로 정리가 됐어요