1.학습한 내용

Machine Learning

-새롭게 시작한 강의의 메인은 머신러닝.
-머신러닝은 artifical intelligence 인공지능(AI) 에 관한 것
-데이터를 저장, 분석, 학습(Math 수학적으로)해서 알고리즘을 통해 모델을 만들어 문제해결방법을 제시하는 것
-시간이 지나면서 데이터의 양이 방대해지고 다양해지면서 Deep Learning 시작(GPU의 중요성 증가)

머신러닝의 알고리즘들

-surpervised learning(지도학습) = feature, label 문제 정답 제공
① classification(분류) = 한 대상에 대한 광범위하고 다양한 데이터 입력을 통한 정의내림
② regression(회귀) = 평균 회귀, 평균치를 내서 예상해볼 수 있다, 현존 대부분 문제 해결 가능

-unsupervised learning(비지도학습)
① anomaly(변칙) = 평소 패턴에 따른 특이점 분석, 이상징후감시(PINTECH, FDS)
② clustering(군집) = 알고리즘을 통해 대상들을 그룹핑

-reinforcement learning(강화학습) = 보상 제공, 보상에 대한 인과관계가 중요

DATA?

-Business Domain = 해당되는 영역에 대한 이해가 필요
-Business Problum = 해당되는 영역의 문제에 대한 이해가 필요
-Right data, column, algorithm = 올바른 데이터가 필요
-Comebine knowledge with machine learning = 협업의 중요성!

-Orange data mining = 코딩없이 데이터분석 가능한 프로그램, 파이썬과 함께 성장 중

2.학습내용 중 어려웠던 점.

-2시까지 학습 이후 복습하던 시간이 olny 강의 시간으로 바뀌면서 아직은 실습할게 많지 않아서 괜찮지만 수요일 이후 복습, 실습할게 많아지면 따라가기 쉽지 않을 것 같다.

3.해결방법

-수업 시간에 정리할 수 있는건 정리를 잘 해놓고, 나머지 시간 분배에 신경을 써야 다른 것들도 할 수 있을 것 같아서 잘 생각하고 짜봐야 할 것 같다.

4.학습소감

-뭔가 더 구체적이고 전문적인 분야로 조금씩이지만 다가가는 느낌이다. 관심있을만한 분야는 찾았지만 과연 뭘 공부해야 그 분야로 나아갈 수 있을지 계획적으로 생각해봐야겠다.