1-1 머신러닝 소개

머신러닝이란?

• 인공지능(AI) > 머신러닝(ML) > 딥러닝(DL)

• 인공지능 : 사람을 흉내내는 모든것 ( 기술, 알고리즘)

• 머신러닝 : 전문가가 준 데이터를 기계가 학습하는 것

• 딥러닝 : 머신러닝의 기계 구조가 신경망(Neural Networks)으로 이루어진 것

머신이란?

• 인간이 제공한 데이터에 존재하는 관계 또는 관계식을 표현할 수 있는 모델(=함수)

학습이란?

• 데이터를 가장 잘 표현할 수 있는 모델을 찾는 것(=모델(함수)의 파라미터 최적화)

지도학습이란?

정답이 존재하는 상황속에서 데이터를 분류하는 것

• example : 야구선수 정보(feature)를 통한 야구선수 연봉(label) 예측
• feature : 야구선수 정보(연차, 타율 등)
• label : 정답(야구선수의 연봉 ex. 10억, 1억 ...)
• 1) 회귀
  • Linear and Nonlinear Regression
  • Gradient Descent
  • Bias and Variance Trade-off
• 2) 분류
  • Logistic and Softmax Regression
  • Support Vector Machine (SVM)
  • Decision Tree
  • Linear Discriminant Analysis (LDA)
• 3) 앙상블
  • Bagging
  • Boosting

비지도 학습?

정답이 존재하지 않는 상황속에서 모델을 학습하는 것

• 현실적으로 모든 데이터에 대한 정답을 알기 힘들고 천문학적 비용 발생

• 머신러닝에서는 보통 clustering(군집화), 차원축소로 사용

• 1) 차원축소

  • Principal Component Analysis (PCA)
  • Singular Value Decomposition (SVD)

• 2) 군집화

  • K-Means
  • Mean Shift
  • Gaussian Mixture Model
  • DBSCAN

강화학습?

상태에서 보상을 통해서 학습

• state : 상태
• reward : 보상

ML vs DL

• 머신러닝
  • 통계적인 방법을 통해서 모델 학습
  • 필요로 하는 데이터의 양이 적음
  • 연산 속도가 빠름
• 딥러닝 : 경사하강법등으로 신경망 학습
  • 옵티마이저를 통해서 모델 학습
  • 필요로 하는 데이터의 양이 많음
  • 높은 성능의 GPU를 필요로 함

데이터의 성격에 따라서 필요로 하는 모델을 사용해야함

출처 :
https://www.youtube.com/watch?v=oyzIT1g1Z3U&list=PL7SDcmtbDTTylCwjSDzGduvR-1EItFF2X