시작하기에 앞서 나는 블로그를 작성하는 것이 익숙해지기 전까지 TIL을 "Today I Learned"가 아닌 "This week I Learned"로 정의하고 매주 최소 한 번씩 기록해보려고 한다.

이번 주부터 Machine Learning에 대한 과정이 시작되었다.
1주일 사이에 정말 많은 내용에 대해 공부하였다. 내용이 너무 많다보니 모든 내용을 다 정리하기에는 무리일 것 같아서 추석 때 복습하며 아래의 내용을 채워나갈 계획이다.

Machine Learning

Regression Problem

• Loss Function
• 계수 추정법
• Model 평가 및 지표 해석
• Feature Selection
• Penalty Term
• Regularized Model
  - Ridge
  - LASSO
  - ElasticNet

Classification Problem

• Loss Function
• Ddcision Tree
• Model 평가 및 지표 해석
• Ensemble
  - Bagging
  - Boosting
  - Stacking
• Random Forest
• Adaboost
• Gradient Boosting Machine (GBM)
• XGBoost
• LightGBM

eXplianble Method

• Black Box
• Interppretable Machine Learning
• Global cs Loca Feature Importance Score
• LIME
• SHAP

Clustering

• Distance
• K-means
• Hierachical Clustering
• Spectral Clustering
• DBSCAN
• HDBSCAN
• Clustering 평가

Dimensionality Reduction

• 차원의 저주
• PCA
• T-SNE
• Autoencoder

Anomaly Detection

• 3-sigma Rule & Box Plot
• LOF
• Isolation Forest
• Robust Random Cut Forest
• One-class SVM
• Dimensionality Reduction 기법을 활용한 이상치 탐지

느낀점 및 회고

원래 나의 목표는 머신러닝 입문 강의를 빠르게 다 듣고 심화 강의도 듣고 싶었지만 도저히 시간이 안됐다.
기본 5시간의 강의를 들어야 했는데 이해가 제대로 되지 않는 부분을 몇번이고 돌려가며 보기도 하고 강의에서 제대로 설명이 되지 않고 넘어가는 부분에 대해 구글에 찾아가며 공부를 하느라 실제로는 훨씬 더 오래 걸렸기 때문이다.
그래서 빠르게 입문과 심화를 다 듣기 보다는 기초부터 최대한 많이 이해하고 넘어가자는 생각으로 심화 강의는 포기했다.

Machine Learing을 시작하면 정말 workload가 급이 다를거라는 얘기를 매니저님께 몇번 들었었는데 온몸으로 체감중이다. 공부의 난이도도 양도 차원이 달라져서 주말 시간을 할애하지 않으면 안될 정도가 된 것 같다.

이번 한 주 공부를 하면서 갖게된 다짐이 있다.
합리화를 하지 말자
배우는 과정에서 "이 정도면 됐지"라는 생각을 최대한 안하려고 한다.
그러다보면 조금씩 지식에 구멍이 생길 것이고 스노우볼이 굴러가기 시작하면 나중에 더 어려운 내용을 배울 때 감당이 안될 것 같다.
합리화 하지말고 게을러지지 말자. 지금부터가 정말 중요하니까 최선을 다하자.