데이터사이언티스트, 머신러닝, 인공지능 차이점

What’s the difference between data science, machine learning, and artificial intelligence?
varianceexplained.org · by David Robinson

Data Scientist, Machine Learning, Artifical Intelligence를 간단한 개념으로 구분하는 방식을 제시. 각 영역은 중복되는 부분이 많지만 상호호환하여 사용할 수 있는 용어는 아니며 매우 간단한 개념적 구분임에도 특정 작업이 세 가지 중 어떤 것으로 분류되는지를 이해할 수 있게 해 준다.

이 글에서 나는 세 가지 영역 사이의 차이점에 대한 단순화 된 정의를 제시한다
– 데이터 사이언테스트는 인사이트를 만들어낸다
– 머신 러닝은 예측을 만들어낸다
– 인공지능은 행동을 만들어낸다eng

So in this post, I’m proposing an oversimplified definition of the difference between the three fields:
– Data science produces insights
– Machine learning produces predictions
– Artificial intelligence produces actions

세 가지를 구분하는 매우 좋은 기준이라는 느낌이다. 자세히 따지면 모호한 영역이 있음에도 직관적으로 이해하기 어렵지 않다.

By |2018-01-10T07:07:53+09:001월 10th, 2018|Statistics|데이터사이언티스트, 머신러닝, 인공지능 차이점에 댓글 닫힘

RStudio v1.1 업데이트

R Studio 1.1 버전이 업데이트 되었다.

다양한 데이터베이스 파일과 쉽게 연결할 수 있는 연결 탭, IDE와 쉘 통합을 제공하는 터미널 탭이 생겼다. 다른 변화들도 많지만 바로 눈에 띄는건 레티나 퀄리티의 아이콘과 다크테마를 지원하는 새로운 디자인. 요즘 자주 사용하는데 꽤 많이 바뀐 업데이트라 눈에 띈다.

[다운로드 페이지](https://www.rstudio.com/products/rstudio/#Desktop)

By |2019-06-19T12:38:43+09:0010월 10th, 2017|Statistics|RStudio v1.1 업데이트에 댓글 닫힘

딥러닝의 한계

The limitations of deep learning
The Keras blog by Francois Chollet

딥러닝의 가장 기본적인 원리를 설명하고 딥러닝을 사람처럼 생각했을 때 발생할 수 있는 문제점을 언급하는 글.

예전에는 단순한 경사하강법을 활용한 매개변수 모델이 이렇게 놀라운 결과를 가져올 것이라고 예측하지 못했음. 딥러닝에서 모든 것은 벡터, 즉 기하학적 공간의 한 점이 됨. 어떤 데이터를 벡터로 만든 후 한 공간을 다른 공간에 매핑하는 복잡한 기하학적 변환을 학습. 하지만 추론이 필요한 영역같은 경우 딥러닝에서 멀리 떨어져 있는 영역. 글에서는 간단한 트릭을 통해 딥러닝 모델이 오분류하게 만드는 사례가 나옴

결론적으로 단순하게 매핑하는 딥러닝과 복잡한 인간의 능력에는 큰 차이가 있다는 이야기.

기억해야 할 것은 다음과 같습니다. 지금까지 딥러닝의 성공은 많은 양의 인간 주석 데이터가 주어지면서 연속적인 기하학적 변형을 사용하여 공간 X를 공간 Y에 매핑하는 기능이었습니다. 이 작업을 수행하는 것은 본질적으로 모든 산업 분야의 게임을 바꾸어놓았지만 인간 수준의 인공 지능으로는 아직 먼 이야기입니다. eng

Here’s what you should remember: the only real success of deep learning so far has been the ability to map space X to space Y using a continuous geometric transform, given large amounts of human-annotated data. Doing this well is a game-changer for essentially every industry, but it is still a very long way from human-level AI.
By |2017-08-01T01:41:04+09:008월 1st, 2017|Statistics|딥러닝의 한계에 댓글 닫힘
Go to Top