머신러닝 기초 지식 톺아보기

• 요약:
  머신러닝의 기본 개념 | 머신러닝의 유형 |
  머신러닝 개발 프로세스 | 활용 사례
• 주요 포인트: 머신러닝의 기본 개념

  1. 컴퓨터가 데이터로부터 패턴 학습 후 예측이나 분류 작업을 수행하는 것

  2. 인공지능 > 머신러닝 > 딥러닝

     머신러닝의 유형

  3. 지도 학습 : label이 있는 훈련 데이터로 학습.
     입력 데이터와 정답(label) 간의 관계
     1. 분류 : 입력 데이터를 범주 중 하나로 분류
     2. 회귀 : 연속적인 값 예측

  4. 비지도 학습 : 알고리즘이 스스로 데이터 특성을 파악하고, 유의미한 그룹(표현)을 찾아냄.(label 없음)

     1. 클러스터링 : 유사한 특성의 데이터끼리 그룹화
     2. 차원 축소

  5. 강화 학습 : 에이전트(사람 대신 업무 처리하는 인공지능)가 환경과 상호작용하며 보상을 최대화하는 방향으로 학습.

     ![image.png](attachment:24faaff4-75b8-4f97-a4ea-202698ead67c:image.png)

     머신러닝 개발 프로세스

  6. 데이터 수집과 전처리

     1. Training / Validation / Test data
     2. 결측값 처리, 이상치 제거, 스케일링, 정규화

  7. 모델 선택 및 학습

     1. 머신러닝 알고리즘 선택

        1. 선형회귀, 로지스틱회귀, 의사결정트리, 서포트 벡터 머신(SVM), 합성곱 신경망(CNN)

     2. 하이퍼파라미터 조정 통한 모델 성능 최적화

        하이퍼파라미터 : 모델의 구조 및 학습 과정을 제어하는 각종 변수

  8. 모델 평가 및 검증

     1. 분류 : 정확도, 정밀도, 재현율, F1 스코어 등
     2. 회귀 : 평균제곱오차(mean squared error), 평균절대오차(mean absolute error), R제곱 등
     3. 교차 검증=안정성,일반화 능력 평가

  9. 모델 배포 및 유지보수
     1. 머신러닝 모델을 웹 서비스 및 소프트웨어에 통합하고 실시간 및 배치 처리 수행
     2. 지속적인 모니터링, 예측 품질 관리, 업데이트

     머신러닝 활용 사례

  10. 추천 시스템 개발

  11. 이상 탐지 및 부정행위 감지

  12. 자연어 처리 → 문서 분류, 기계 번역, 문장 요약 등

  13. 감성 분석 : 텍스트에 내포된 감정이나 의견 파악

  14. 컴퓨터 비전 기술 발전과 이미지 인식 : 이미지 및 동영상에서 유의미한 정보 추출-객체, 이미지, 얼굴, 행동인식 등

아티클 링크 : https://yozm.wishket.com/magazine/detail/2611/