💡본 게시글은 패스트캠퍼스 [혁펜하임의 AI DEEP DIVE] 체험단 활동을 위해 작성되었습니다
💡강의 링크 : https://bit.ly/3GV73FN

머신러닝의 분류

머신러닝을 4가지로 분류할 수 있다

• 지도 학습
• 비지도 학습
• 자기지도 학습
• 강화 학습

지도 학습

• 딥러닝이 있는 지도 학습이 있고 아닌 지도 학습이 있다.
• 정답(label)을 알고 있다.
• 예시
  • 회귀 (regression)
  • 분류 (classification)
• 활용
  • Classification
  • Object Detection
  • Instance Segmentation
  • Pose Estimation
  • Landmark Classification
• 효과적인 학습을 위해선 정답을 알고 있는 데이터가 상당히 많아야 한다.

비지도 학습

• 반대로, 정답을 모른다
• 군집화(K-means, DBSCAN, ...)
  • 군집화
    • 데이터들이 존재하는데 어떠한 분류인지 알려주지 않음
    • 모르는 상태에서 데이터간의 유사도, 특징들을 기반으로 group화하는 것
• 차원 축소 (데이터 전처러ㅣ: PCA, SVD,...)
  • 차원축소
    • 데이터가 많이 있을 때, 축을 만들어서 축을 기반으로 데이터를 읽는 것
    • 2차원 데이터가 1차원 데이터로 차원이 축소됨
    • 데이터를 전처리할 때 사용될 수 있음
• GAN(?)

자기지도 학습

• Label이 있는 데이터가 너무 적다
• 자기지도 학습이 소개된 논문에서 자기지도 학습 방법을 설명
  • 고양이 사진에서 패치가 있을 때, (랜덤하게 잡은) 가운데 (파랑색)과 주변의 상대적인 위치의 패치를 정의해놓고, 그 중에 아무 패치를 선택해서 그 2장의 패치를 입력하고 출력은 그 상대적인 위치값이 출력되도록 학습시킴.
  • 패치 문제는 2장의 패치를 주고 3번째의 패치를 얻는 학습 (분류랑은 다른 문제)
    • 분류에 있어서 도움을 주는 문제
  • 그 다음 적은 정답지를 가지고 문제를 품
• 데이터 안에서 self로 정답(label)을 생성
  • 새롭게 정의한 문제에 대한 정답 --> 그래서 이름이 자기지도 학습
• 순서
  • 1. pretext task (먼저 풀어보는 거) 학습으로 pre-training
  • 2. downstream task(분류)를 풀기 위해 transfer learning 함