✅ What is Machine Learning(self-training)?

머신러닝에서도 최소한의 모델은 우리가 정해줘야 해. 대충 입력과 출력 데이터만 던져주고 학습하라고는 할 수 없어.
예를 들어 '선형 방정식 형태일 것이다' '인간의 뇌구조를 딴 신경망의 형태일 것이다' 라는 것 정도는 말이지.

• 데이터, 모델, 훈련시간을 줬을 때 !

SW는 내가 블랙박스를 정의하지만, ML은 블랙박스에 뭐가 들어갈지 모르고 입력과 출력만 줬을 때, 모델 안을 알아내는 것

결국 그냥 간단하게 말하면 함수(function을 구하는 과정이다!

-train: f를 구하기 위해 X와 Y를 계속 넣어주는 것

• inference: 새로운 X를 봤을 때 Y를 예측하는 것

Classification vs Regression

분류문제는 카테고리를 나누는 것이고, 회귀문제는 값을 예측하는 것

Classification example

개와 고양이 분류기

또한 다른 예를 살펴보자.

조금 더 수학적으로, 호랑이를 넣으면 0, 고양이를 넣으면 1을 출력하는 예시

기계학습의 3가지 학습 방법

우리는 주로 지도학습에 대해서만 실습을 진행할 것!

Supervised vs Unsupervised

Supervised

엄마와 아이에 비유

• 아이: AI machine
• 엄마: AI engineer

아이한테 여러 강아지 사진 & 고양이 사진을 보여준 다음(training), 한 사진을 보여주면서 '이게 강아지니?고양이니?'하고 물어본다.(testing)

Unsupervised

다양한 동물 사진을 보여준 다음에, 비슷한 동물 종들을 말해보라고 한다. 이때 엄마는 어떠한 정답도 알려주지 않아

✅ ML vs DL

ML의 여러기법들 중 하나가 DL이라는 것을 기억해

✅ What is Deep Learning?

DL: 인간의 뇌를 모사한 '인공신경망'을 이용하여 만든 기술

인공신경망이 사람의 뇌를 모사한 것이라는걸 표현하고 싶었떤 거

DL이 가능했던 이유는, (1) GPU의 발달 (2) IMAGENET이라는 대용량의 데이터 (3) 활성화함수의 발달 (4) weight 초기화

우리가 뒤에서 배울 내용이지만 ㅎㅎ
어쨌든 model을 깊게 쌓을수록 학습이 잘 안되었어 (AIwinter2)

신경망의 예 ex) CNN

1989년에는 layer적었음 .. gpu도 없었고.. 활성화함수도...
2015년에는 기술의 발달로 DNN 학습 가능 ㅎㅎ

이제는 거의 안 틀림