1. 머신러닝이란?

• AI : 인간의 지능을 요구하는 업무를 수행하기 위한 시스템

• Machine Learning : 관측된 패턴을 기반으로 의사 결정을 하기 위한 알고리즘

• Deep Learning : 인공신경망을 이용한 머신러닝

• Data Science : AI를 포괄하여 통계학과 컴퓨터 공학을 바탕으로 발전한 융합학문

• Data Analysis : 데이터 집계, 통계 분석, 머신러닝을 포함한 행위

Machine Learning은 기술 통계 등을 통해 집계된 정보로 의사결정을 했던 과거와 달리, 데이터 수집과 처리 기술의 발전으로 대용량 데이터의 패턴을 인식하고 이를 바탕으로 예측, 분류하는 방법론이다.

1) 머신러닝의 발전 계기

• 통계 : 모집단의 성질을 표본 집단으로 부터 알기 위한 추론 방법.
• 비용(돈, 시간 등)의 한계로 통계학은 발전.

• 인간은 '실수'를 할 수 있다. > 데이터를 기반으로 의사결정을 내리고자 한다. > 머신러닝!
• 데이터 처리 기술의 발전 > 서비스의 발전, 저장매체(SSD) 가격의 하락
• 데이터 수집 > 데이터 처리 > ML/DL > 인사이트 도출 에서 데이터 수집이 용이해짐.

표본 집단의 연구를 통해 모집단을 추측하는 통계학과 달리, 머신러닝은 데이터를 싹 다 수집 후 패턴을 발견해보자!

2. 머신러닝의 종류

• Supervised Learning(지도 학습) : 문제의 정답을 모두 알려주고 공부시키는 방법
  ex. 코가 길면 코끼리야! 목이 길면 기린이야!
  • 예측/회귀 : 숫자를 맞추는 것
  • 분류 : 범주를 분류하는 것
• Unsupervised Learning(비지도 학습) : 답을 가르쳐주지 않고 공부시키는 방법
  ex. 키와 몸무게를보고 니가 알아서 군집 분류해봐! 판단은 내가 할게!
  • 연관 규칙 : 장바구니 분석, 조건부확률로 인해 계산하는 방법론, 이커머스에서 많이 사용.

    장바구니 분석 :
    기저귀를 사러 간 남편이 맥주를 같이 산다. > 연관이 있다! > 가깝게 배치하여 판매한다!

  • 군집 : 두 가지 군집으로 분류할거야. 니가 함 해봐!
    ex. 키와 몸무게에 따라 성장 가능성이 있는 집단, 건장한 집단을 분류해봐.
    
• Reinforcement Learning(강화 학습) : 보상을 통해 상은 최대화하고, 벌은 최소화하는 방향으로 행위를 강화하는 학습
  ex. 농구 게임을 할 때 골을 넣은 거리가 멀 수록 칭찬을 해주면 '먼게 좋구나!' 라고 학습하고 멀리서 골을 넣는 것.
  

1) 머신러닝 적용 분야

• 금융 : 신용평가, 사기탐지, 주식 예측
• 헬스케어 : 질병 예측, 환자 데이터 분석
• 이커머스 :
  - 고객 구매 패턴 분석 (ex. 쿠폰을 받고 반응 할 확률?)
  - 추천 시스템 (ex. 성별 및 연령에 따라 상품 추천 - 30대 남성 : 면도크림 추천)
  - 가격 최적화
  - 장바구니 분석

  <딥러닝>

  • 자연어 처리 : 번역, 챗봇, 텍스트 분석
  • 이미지&영상처리 : 얼굴인식(ex. snow AI), 이미지 생성
    ex. 콜로라도 주립 박람회 대회 수상작 : 스페이스 오페라극장
    
    *Midjourney > Discord 추가 사용!