[DAY1]_개발일지: AI 기본이론

1. 학습내용

1. Machine Learning
2. Data
3. Orange Data Mining

2. 상세내용

머신러닝이란?

    : 인간이 개발한 알고리즘을 컴퓨터 언어를 통해 기계에게 학습시키는 행위

   1. 이 수업은 머신러닝이 핵심
   2. 앞으로 이론을 기반을 코딩 예정
   3. 각 알고리즘의 의미를 잘 이해하기

지도학습(Supervised Learning)

   - Label(데이터 분류 기준, 0 or 1)
   - feature(Label 제외한 나머지 속성들)
   - Regression(회귀) : 일정한 수치 예측을 위해서 수렴하는 것
   - Classification(분류) : 말그대로 분류하는 것

비지도학습(Unsupervised Learning)

   - Feature만 제공(Label 없음)
   - Anomaly(이상반응) ex) 가짜뉴스, 대금결제 등
   - Clustering(군집)

강화학습(Reinforcement Learning)

   - 점수 제공 등의 보상(reward)
   - 인과관계 중요 ex) 알파고(딥마인드)

* Regression을 제일 많이 쓰고 있음

데이터란?

    : 말그대로 자료

효과적인 데이터 관리 단계

1. 자료에 대한 이해
2. 문제에 연관 지을 수 있는가
3. 적절한 알고리즘이 적용되나
4. 올바른 자료인가
5. 머신러닝에 잘 적용되는가

RandomSplit

    : Training 과 Test로 자료를 쪼개는 것(랜덤하게 섞어서)을 칭함

데이터 대표 출처

   1. kaggle
   2. KOSIS

3. 실습(Orange)

Orange Data Mining 주요 기능

   1. 구성

파일을 주로 csv로 작업하는 것이 효율적
Test and Score로 오차(MSE, RMSE, MAE) 및 일관성(R2) 측정

MSE, RMSE, MAE는 숫자가 클수록 에러가 많고, 데이터 간 오차가 크다.

R2는 숫자가 클수록 일치의 정도가 크다.

Orange Data Mining 후기

   1. 코딩이 없어서 재밌었다
   2. 전반적으로 머신러닝을 이해할 수 있었다.

4. 금일소감

<ol>
	<li>내가 이 수업을 먼저 들었어야했다...</li>
	<li>이제야 뭔가 보이기 시작한다</li>
	<li>알고리즘 코딩자료 손코딩해보려고 한다.</li>
    <li>K-ICT센터 학습자료-머신러닝 강의도 따로 들어야겠다.</li>
</ol>