AI와 머신러닝 기초

가장 큰 차이는 '특징을 누가 정의하느냐'다. 머신러닝은 사람이 피처 엔지니어링으로 특징을 골라줘야 하지만, 딥러닝은 원시 데이터에서 특징 추출까지 스스로 해낸다.

• 러닝의 본질: 머신러닝은 데이터를 통한 규칙 학습, 딥러닝은 경험을 통한 패턴 학습
• 특징 정의: ML은 인간의 피처 엔지니어링 필요, DL은 레이어별 특징 자동 탐지
• 하드웨어: ML은 CPU(복잡한 논리, 빠른 순차 연산), DL은 GPU(방대한 단순 반복 행렬 곱셈)
• 비유: CPU는 대학교수 1명, GPU는 초등학생 3,000명

혼돈스러운 원시 입력이 처리를 거쳐 구조화된 기록으로 남는다. 앞서 본 함수·객체·개체 3분법이 AI 시스템 전체 아키텍처에서도 반복된다.

• ① Function (HTML/프론트엔드): 원시 데이터 수집과 입력, UI, 혼돈의 감지
• ② Object (Python/백엔드): 데이터 정제와 로직, AI 모델 실행, 심층 분석
• ③ Entity (SQL/데이터베이스): 구조화된 저장과 메모리, 데이터 영속성, 이력 기록
• 전체 흐름: RAW INPUT → PROCESSING → STORED DATA