: 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
- 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
- Feature만 제공(Label 없음)
- Anomaly(이상반응) ex) 가짜뉴스, 대금결제 등
- Clustering(군집)
- 점수 제공 등의 보상(reward)
- 인과관계 중요 ex) 알파고(딥마인드)
* Regression을 제일 많이 쓰고 있음
: 말그대로 자료
: Training 과 Test로 자료를 쪼개는 것(랜덤하게 섞어서)을 칭함
1. kaggle
2. KOSIS
1. 구성
파일을 주로 csv로 작업하는 것이 효율적
Test and Score로 오차(MSE, RMSE, MAE) 및 일관성(R2) 측정
1. 코딩이 없어서 재밌었다
2. 전반적으로 머신러닝을 이해할 수 있었다.
<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>