[머신러닝]머신러닝의 이해와 라이브러리 활용 기초_머신러닝 정의와 발전과정.

contents

• 머신러닝이란
• 머신러닝의 발전
• 머신러닝 종류
• 머신러닝 적용 분야

summary

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 컴퓨터공학을 바탕으로 발전한 융합학문
• Data Analysis: 데이터 집계, 통계 분석, 머신러닝을 포함한 행위

📌 머신러닝(Machine Learning, ML)은 기술 통계 등을 통하여 집계된 정보로 의사결정을 했던 과거와 달리 데이터 수집과 처리 기술의 발전으로 대용량 데이터의 패턴을 인식하고 이를 바탕으로 예측, 분류하는 방법론.

2. 머신러닝의 발전

• 통계: 모집단(전체 집단)의 성질을 표본집단으로부터 알기 위한 추론 방법
• 데이터 처리 기술의 발전 - 서비스
• 데이터 처리 기술의 발전 예시- 저장매체 가격의 하락
• 머신러닝: 전체 데이터에서 패턴을 파악하기 위한 방법

3. 머신러닝 종류
   

• Supervised Leaning(지도 학습)
• Unsupervised Learning(비지도 학습)
• Reinforcement Learning(강화 학습)

4. 머신러닝 적용 분야

• 금융: 신용평가, 사기탐지, 주식 예측
• 헬스케어: 질병 예측, 환자 데이터 분석
• 이커머스: 고객 구매 패턴 분석, 추천 시스템, 가격 최적화, 장바구니 분석
• 자연어처리: 번역, 챗봇, 텍스트분석
• 이미지 & 영상처리: 얼굴인식, 이미지 생성
  • 콜로라도 주립 박람회 대회 수상작: 스페이스 오페라극장
    

insight

머신러닝의 학문은 데이터 분석보다는 사이언티스트와 더 연관이 있는 학문이지만, 데이터 분석에서도 미례예측 모델링을 하기에 큰 역할을 하기 때문에 큰그림을 위해서는 알아두는 것이 좋다!

ADsP를 공부하면서 배운 내용들이 머신러닝의 기초지식이라 많은 도움이 된것 같다.