머신러닝 시작

머신러닝 모델을 직접적으로 다루는 part로 넘어왔다. 이번 part에서는 classfication, regression, 그리고 clustering 모델에 대해 자세히 배우고 실습으로 다뤄본다.
물론 이번에도 이론을 먼저 쭉 배우고, 모델 빌드는 막바지에 미니 프로젝트 형식으로 진행한다. 따라서 실습보다 이론의 비중이 여전히 많은 편!

김용담 강사님의 패스트캠퍼스 온라인 강의와 Zoom 실시간 강의를 병행하며 진행한다.
머신러닝 part 초기에 강사님이 해주신 말이 있다.

머신러닝 모델을 잘 만드는(배우는) 법: "Agile" 일단 한다! x 1000!!

---

📚이론

(이론 필기 내용)
데이터 분석 문제 정의부터 머신러닝 방법론들, 그리고 모델까지 순차적으로 학습했다. 글로만 읽으면 이해가 어려운 부분들이 많았다. 위처럼 그림으로 풀어내거나, 학습하는 과정을 문제집에 있는 문제들과 답지로 비유하는 등, 직접 자기 것으로 만드는 과정이 필수적인 것 같다. 이렇게 하는 것과 하지 않는 것의 이해력은 천지차이!

---

🔬실습

(모델 실습 내용)
실습은 각각 classfication, regression 그리고 clustering을 큰 주제로 두고 Linear Classifier부터 Random Forest, K-Means 등의 이론으로 배운 모델들을 직접 빌드했다.
당연한 얘기지만 직접 만들어보는 게 정말 중요하다. 데이터 해석도 해보고, 결측치도 처리하고 파라미터 튜닝도 하다보면 쌓이는 '경험'들이 다음 실습, 프로젝트를 진행할 때 중요한 밑거름이 되었다.

마무리

쓰고 있는 지금도 한참 부족한 역량이지만 문제를 정의하고, 데이터를 이해하고, 적합한 모델을 선택해 결과까지 낼 수 있는 수준이 되었다. 물론 이 과정에 소요하는 시간도, 퀄리티도 업계에 비하면 걸음마 수준이다. 아직 걸어야 할 단계가 많다는 얘기.
다음으론 캐글 프로젝트를 진행한다. 실제로 진행 중인 대회에 참가하여 떠먹여주는 강의가 아니라 '방목'된 상태에서 학습을 진행하고 싶다. 마주하게 될 여러 문제들에 깨지고 부서지며 더 단단해지기를 기대하고 있다.
뿅*