https://www.youtube.com/watch?v=Hax03rCn3UI&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=4

Lec00 - Machine/Deep learning 수업의 개요와 일정

알파고.
직관적인 의사결정을 인공지능이 할 수 있을것인가? 많은 질문들을 던졌는데 답중에 하나가 머신러닝의 대가인 Dr. Andrew Ng. 이런 시대를 살면서 머신러닝을 잘 이해하고 잘 활용하는 것이 슈퍼파워를 가지는 길이다. 그래서 복잡한 많은 데이터가 있는데 의사결정을 내려야 할때 이용해서 잘, 정확하게 내린다면 그게 슈퍼파워. 앞서나갈수 있다.

비디오 만든 이유는 잘 이해하고 활용해서 슈퍼파워를 가지자가 목적입니다.

누가 이해할수 있을까요? 누가 봐야할까요?

• 궁금하다 정도의 사람
• 특히나 수학적 지식이 별로 없고, 잘 못한다. 혹은 컴전공 할일없다. 해도 충분히 이해할만한 수준이다. y=Wx+b(y=ax+b)
• 아예 이해없어도 구현 툴 많아서 블렉박스처럼 아무것도 모르는 상태에서도 어떤 입력값을 주고 나오는 출력값을 가지고 여러분이 원하는 어떤 일을 할 수 있습니다. 조금만 더 이해한다면 점점 더 효율적으로 사용할 수 있어서 굉장히 좋은 출력값을 만들어 낼 수 있는 것이죠.
• 이런 아는데 구현하고 싶다 하면 Tensorflow 와 파이썬

Goals

• 기본적으로 머신러닝에 대한 기본적인 이해, Deep learning 을 이해하기 위한 기본적인 알고리즘. linear regression과 logistic regression. 이것만 이해해도 기본적인 머신러닝을 다 이해하셨다고 봐도 좋구요. 아주 쉽게 이해하실수 있다고 봅니다.

이론적인 바탕으로 어떤 문제를 풀어보고싶으면 tensorflow 와 파이뚄을 가지고 이용해서 문제풀기

https://class.coursera.org/ml-003/lecture
http://www.holehouse.org/mlclass/ (note)

Schedule

• 머신러닝이 무엇인가 : 기본적인 컨셉
• linear regression
• logisticc regression (classification)
  계산들을 좀더 많은 형태의 입력 데이터와 feature, vector 이런것들을 가지고 처리하는 방법.
• Multivariable (Vector) linear/logistic regression
• Neural networks
• Deep learning

• CNN
• RNN
• Bidirectional Neural networks

---

ML lec 01 - 기본적인 Machine Learning의 용어와 개념 설명

What is ML?

1959 일일히 프로그래밍하지말고 어떤 자료나 현상에서 자동적으로 배우면 어떨까? 이게 머신러닝이다. 프로그램인데 이것을 개발자가 일일히 어떻게 하는지 정하지 않고 이 프로그램 자체가 어떻게 하는지 학습해서 뭔가를 배우는 영역을 갖는 프로그램을 머신러닝이라고 부를 수 있다.

What is learning?

학습하려면 미리 데이터가 주어져야 하는데요. 학습하는 방법에 따라서 두가지로 나뉜다.

supervised

감독관이란 뜻. 정해져있는 데이터. 이 데이터들은 이미 label들이 정해져있어요. 다른 말로는 training set 이라고 하는데 이걸로 학습하는 것
ex) 이미지를 주면 고양이인지 개인지 등등 자동으로 알아내는 프로그램들

unsupervised

labeled을 줄 수 없는 경우가 있습니다.
예를들어 구글 뉴스 - 자동적으로 유사한 뉴스들을 그룹핑한다. 미리 다 label 정해주기 어렵죠. 자기가 알아서 유사한것 모으는
단어 모으기.

주로 supervised learning을 다룰 것임.

• Image labeling
• Email spam filter
• Predicting exam score

머신러닝이라는 하나의 모델이 있고. 답이 정해져있는, 레이블이 정해져있는 보통 그 값을 머신러닝에서는 y라는 값이 정해진 것에. x 라는 값의 특징이라고도 하고 feature라고도 하는데 이런 형태의 데이터.
이런 레이블을 가지고 학습을 하게 됩니다. 학습을 하게 되면 모델이 쭉 생겨나면 ml에서
내가 모르는 어떤 x가 있는데, X tast 라고 하죠. ML에 물어보면 답해줌. 이것이 바로 일반적인 superviser ML의 예가 되겠고, 바로 이부분이 training data set 이라고 부릅니다. 이것이 반듯이 필요한거죠.

알파고도 여러가지 요소가 있는데

• 1) resgression : 에시) 성적 예측하기 (범위가 0~100 인데 범위 넓다)
• 2) binary classification(분류) : 단순화 시켜서 pass/non-pass 2가지로 나눠서 예측
• 3) multi-label classification(분류) : 똑같은 문제를 학점주기.

supervised learning 은 대게 3가지로 나뉜다.
학습할 training data가 필요하다.

What is regression?

What is classification?