coursera에서 수강하고 있는 Andrew Ng 교수님의 Machine Learning 강의를 요약하는 포스팅입니다.

Week 1 : Introduction to Machine Learning

Overview of Machine Learning

이 강의에서는 최신 기술에 대해 배우고 머신러닝 알고리즘을 직접 구현해보는 실습도 진행합니다. 
가장 중요한 머신러닝 알고리즘에 대해 배우게 되며, 
그중 일부는 오늘날 대규모 AI 또는 대형 기술 회사에서 사용되고 있는 알고리즘과 정확히 일치하며 AI의 최신 기술에 대한 감각을 익힐 수 있습니다. 
이 수업에서는 알고리즘을 배우는 것 외에도 알고리즘을 잘 작동시키기 위한 중요한 실용적인 팁과 요령도 모두 배우게 됩니다. 
직접 구현해보고 어떻게 작동하는지 확인할 수 있습니다. 

오늘날 머신러닝이 널리 사용되는 이유는 무엇인가요? 
머신러닝은 AI 또는 인공 지능의 하위 분야로 성장했습니다. 우리는 지능적인 기계를 만들고 싶었습니다. 
내비게이션처럼 A에서 B까지 최단 경로를 찾는 방법과 같이 기계가 수행하도록 
프로그래밍할 수 있는 몇 가지 기본적인 작업이 있다는 것이 밝혀졌습니다. 
하지만 대부분의 경우 웹 검색, 사람의 음성 인식, 엑스레이를 통한 질병 진단, 자율 주행 자동차 제작 등 
더 흥미로운 작업을 수행하기 위한 명시적인 프로그램을 작성하는 방법을 알지 못했습니다. 

이러한 작업을 수행하는 방법을 아는 유일한 방법은 기계가 스스로 학습하도록 하는 것이었습니다. 
저는 구글 브레인 팀을 설립하고 이끌면서 
음성 인식, 구글 지도의 컴퓨터 비전, 스트리트뷰 이미지 및 광고와 같은 문제를 해결했고, 
AI Baidu를 이끌면서 증강 현실용 AI부터 결제 사기 방지, 자율주행차 팀을 이끄는 일까지 
다양한 업무를 수행했습니다. 

가장 최근에는 랜딩닷에이아이, AI 펀드, 스탠퍼드 대학교에서 공장, 대규모 농업, 의료, 이커머스 등 다양한 분야의 AI 애플리케이션을 연구하기 시작했습니다. 
오늘날 수십만, 수백만 명의 사람들이 기계 학습 애플리케이션을 개발하고 있으며, 
이들은 기계 학습을 사용한 작업에 대해 비슷한 이야기를 들려줄 수 있습니다. 
이러한 기술을 익히고 나면 여러분도 흥미진진한 다양한 응용 분야, 
심지어는 다른 산업에 도전해보는 큰 재미를 느끼실 수 있기를 바랍니다. 
사실 머신러닝이 현재 또는 가까운 미래에 중요한 방식으로 영향을 미치지 않을 산업은 생각하기 어렵습니다. 

저를 포함한 많은 사람들이 언젠가 저나 여러분처럼 똑똑한 기계를 만들 수 있다는 AI의 꿈에 부풀어 있습니다. 
이를 인공 일반 지능 또는 AGI라고 부르기도 합니다. 
저는 AGI가 과장된 측면이 있고 아직 그 목표에 도달하기에는 멀었다고 생각합니다. 글쎄요. 
거기에 도달하려면 50년 또는 500년 이상이 걸릴 것입니다. 
하지만 대부분의 AI 연구자들은 그 목표에 더 가까이 다가갈 수 있는 가장 좋은 방법은 `학습 알고리즘`을 사용하는 것이라고 생각합니다. 
아마도 인간의 뇌가 작동하는 방식에서 영감을 얻은 알고리즘일 것입니다. 
이 과정의 뒷부분에서 AGI를 위한 이 퀘스트에 대해 조금 더 자세히 들어보실 수 있습니다. 

맥킨지의 연구에 따르면, AI와 머신러닝은 2030년까지 매년 13조 달러의 가치를 추가로 창출할 것으로 예상됩니다. 
머신러닝이 이미 소프트웨어 산업에서 엄청난 가치를 창출하고 있지만, 
소매, 여행, 운송, 자동차, 재료 제조 등과 같은 분야에서 
아직 소프트웨어 산업 외부에서 창출되지 않은 가치가 훨씬 더 클 수 있다고 생각합니다. 

다양한 분야에서 아직 개발되지 않은 엄청난 기회가 있기 때문에 
오늘날 이러한 기술에 대한 수요는 충족되지 않고 있습니다. 
그렇기 때문에 지금이 머신 러닝에 대해 배우기에 아주 좋은 시기입니다. 
머신 러닝 애플리케이션에 흥미를 느끼신다면 이 강의를 통해 저와 함께 하시기 바랍니다. 
이 기술을 익히면 그만한 가치가 있다고 확신합니다. 

다음 동영상에서는 머신 러닝에 대한 보다 공식적인 정의를 살펴보겠습니다. 
그리고 머신러닝 문제와 알고리즘의 주요 유형에 대해 이야기하기 시작할 것입니다. 
몇 가지 주요 머신 러닝 용어를 익히고 다양한 알고리즘이 무엇이며 
각 알고리즘이 언제 적절한지 파악하기 시작할 것입니다. 
그럼 다음 동영상으로 넘어가겠습니다.

Supervised vs. Unsupervised Machine Learning

What is machine learning?
명시적으로 프로그래밍하지 않고도 컴퓨터가 학습할 수 있는 능력을 부여하는 학문 분야
-아서 사무엘-

1. Supervised learning

• 학습 알고리즘이 학습할 각 예제에 대해 정답 Y를 제공하는 것
• 많은 실제 애플리케이션에서 가장 많이 사용되며 가장 빠른 발전과 혁신을 보인 머신 러닝 유형
• 어떻게 예측할까?
  • 학습 알고리즘은 정답 Y를 구분짓는 경계를 찾아야 함.
  • 학습 알고리즘은 데이터를 통해 경계선을 어떻게 맞출지 결정함
    

2. Unsupervised learning

• 데이터 세트에서 어떤 구조나 패턴을 찾거나 데이터에서 흥미로운 것을 찾아내는 것
• 특정 데이터 세트에서 이 데이터에 어떤 패턴이나 구조가 있을 수 있는지 알아내도록 함
  • 클러스터링 알고리즘 : 레이블이 없는 데이터를 가져와서 자동으로 클러스터로 그룹화하려고 시도함.
    
  • anomaly detection (이상 탐지)
  • dimensionality reduction (차원 축소)

Regression Model

• Linear regression model
  

• Cost function

Train the model with gradient descent

• Gradient descent

출처

1. Coursera
2. Stanford Online
3. 브런치 매거진