Insight Stitch

목차AI, 머신러닝, 딥러닝의 관계 한눈에 보기AI란? (Artificial Intelligence)머신러닝이란? (Machine Learning)딥러닝이란? (Deep Learning)세 가지의 실제 활용 예시 비교언제 어떤 기술을 사용해야 할까?마무리 정리1. AI, 머신러닝, 딥러닝의 관계 한눈에 보기먼저 세 용어의 관계는 다음과 같은 포함 구조로 이해하면 쉽습니다:인공지능(AI)└── 머신러닝(ML) └── 딥러닝(DL)​ AI는 가장 넓은 개념 (사람처럼 “생각”하고 “행동”하는 기술 전체)머신러닝은 AI의 하위 분야 (데이터로 “학습”하는 알고리즘)딥러닝은 머신러닝의 하위 분야 (신경망 기반 고도화 모델)2. AI란? (Artificial Intelligence)“AI는 인간처럼 생각하고..

머신러닝 모델을 만들고 나서 '정확도 95%'라는 수치를 보면 굉장히 좋아 보이죠? 하지만 그 숫자만 믿고 모델을 채택하면 위험할 수도 있습니다. 왜냐고요? 바로 불균형 데이터셋 때문입니다.이번 글에서는 정확도(Accuracy) 외에 꼭 봐야 할 모델 평가 지표 3가지 – 정밀도(Precision), 재현율(Recall), F1 점수(F1 Score)를 쉽게 설명해 드릴게요.1. 정밀도 (Precision)정의: 예측이 긍정(True)이라고 할 때, 실제로도 긍정일 확률공식: TP / (TP + FP)용도: False Positive가 중요할 때 사용 (예: 스팸 필터링)2. 재현율 (Recall)정의: 실제 긍정(True)을 얼마나 잘 찾아냈는지공식: TP / (TP + FN)용도: False Nega..

데이터 사이언스를 공부하거나 인공지능(AI), 머신러닝(ML), 통계학에 관심이 있다면 반드시 알아야 할 개념이 있습니다. 바로 'False Positive'와 'False Negative'입니다. 이 두 개념은 모델 성능을 평가하고, 중요한 의사결정을 내리는 데 핵심적인 역할을 합니다.이번 글에서는 이 두 개념을 쉽게 설명하고, 실제 사례를 통해 어떻게 적용되는지 알려드릴게요. 그리고 SEO에 최적화된 키워드도 자연스럽게 포함되어 있습니다.Type I Error (False Positive)란?False Positive는 실제로는 아닌데, 있다고 잘못 판단하는 경우입니다. 통계학적으로는 Type I 오류라고도 하죠.예시:임신이 아닌데, 검사 결과는 '임신'이라고 나옴 → False Positive스팸 ..

1. 생성형 AI, 산업을 뒤흔들다2024년 머신러닝(ML) 산업의 가장 큰 화두는 여전히 생성형 AI(Generative AI)입니다. OpenAI의 GPT 시리즈, Google DeepMind의 Gemini, Anthropic의 Claude 등 대형 모델들이 시장을 지배하고 있으며, 기업들은 이 기술을 활용한 다양한 비즈니스 모델을 시도하고 있습니다. 특히 기업 맞춤형 생성형 AI 솔루션이 부상하면서, 사내 데이터와 결합하여 보다 정밀한 답변을 제공하는 기업용 LLM(Large Language Model)의 개발이 활발히 이루어지고 있습니다.이러한 흐름에 따라 경량화된 모델과 온프레미스(온사이트) LLM에 대한 관심도 증가하고 있습니다. GPT-4와 같은 대형 모델을 API로 호출하는 방식에서, 자체..